MétaCan
Menu
Retour à la cohorte
Enregistrement W1898467654

Risk prediction models: are they really necessary?

2010· editorial· en· W1898467654 sur OpenAlexaboutno aff
Domingo Marcolino Braile, Rosângela Monteiro, Ricardo Brandau, Fábio Biscegli Jatene

Notice bibliographique

RevuePubMed · 2010
Typeeditorial
Langueen
DomaineMedicine
ThématiqueCardiac, Anesthesia and Surgical Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRisk assessmentFramingham Risk ScoreRisk stratificationActuarial scienceEuroSCOREMultivariate statisticsConfoundingMEDLINEIntensive care medicineEmergency medicineCardiac surgerySurgeryInternal medicineDiseaseStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

. Initially created with the aim of analyzing the likelihood of complications and deaths in patients undergoing intervention, these prediction models allow to evaluate the risks and benefits of the procedure. Although no prediction system is comprehensive enough to estimate the specific outcome for each patient, risk stratification allows patients and physicians to know the likely risk of complications or death for the group of individuals with similar risk profile undergoing the proposed procedure collaborating in making decisions. Moreover, these multivariate models of risk assessment have been applied in comparing the performance of institutions or individual professionals, such as setting an objective way to measure the quality of health services, and assisting in the adjustment of resource allocation. Although they are subject to much criticism, the risk assessment models are obviously superior to the comparison of absolute numbers, such as mortality rates, in evaluating the performance of groups or hospitals. Most of the prediction systems developed in cardiac surgery were developed from large populations of patients, resulting often in multicenter studies. From these data, risk scores are established, based on factors identified as predictors of death or complications. The fact is that since the first risk score has become widely known - the Parsonnet index, in the 80s of last century - a wide variety of these instruments has been proposed, including the Cleveland Clinic score, the French score, the Pons score, the Ontario Province score, the Society of Thoracic Surgery (STS) Scoring System, the EuroSCORE and the Bernstein-Parsonnet.Although there is not an ideal risk stratification model, this should have the following characteristics: ease of implementation, objectivity, accuracy in the prediction of mortality and have widespread use. I a recently published meta-analysis

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,075
score de la tête « metaresearch » (Gemma)0,257
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,394

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,257
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,005
Communication savante0,0100,020
Science ouverte0,0050,003
Intégrité de la recherche0,0070,012
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetCardiac, Anesthesia and Surgical OutcomesTravaux en français237 207