Development of an epilepsy-specific risk adjustment comorbidity index
Notice bibliographique
Résumé
PURPOSE: To develop an epilepsy-specific comorbidity risk adjustment index for mortality outcomes research. METHODS: Data were extracted from five linked administrative databases in Calgary, Canada from April 1, 1996 to March 31, 2004. Epilepsy patients were defined using a validated ICD-9-CM- and ICD-10-CA-based case definition. An epilepsy-specific comorbidity index was developed using comorbidities from the Charlson and Elixhauser indexes and other relevant epilepsy comorbidities. In the final model, 14 comorbidities significantly associated with mortality remained and each was assigned a value of 1-6 based on the hazard ratio from the survival analysis. Total prognostic scores were calculated and compared for all subjects using the epilepsy-specific index and the Charlson index. Crude mortality and survival curves of both indices were compared. KEY FINDINGS: We identified 7,253 subjects who met our case definition for epilepsy. The mean age of participants was 38 years (range 0.03-96), and 52% were male. The mortality rate was 7.9%. High rates of chronic pulmonary disease (20.3%), hypertension (19.6%), cerebrovascular disease (13.7%), fracture (12.1%), depression (28.2%), and alcohol abuse (10.1%) were noted. Patients with lower total prognostic scores were more likely to survive than patients with higher scores, using both indices. However, increasing prognostic scores were more strongly associated with reduced survival using the epilepsy-specific index compared to the Charlson index. SIGNIFICANCE: A new comorbidity index for epilepsy, designed to include clinically relevant conditions, provided better discrimination of crude mortality in a population-based group of epilepsy patients compared with the Charlson index.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».