MétaCan
Menu
Retour à la cohorte
Enregistrement W1966149309 · doi:10.4021/jem.v2i2.67

Derivation and Validation of a Risk Index to Predict All-Cause Mortality in Type 2 Diabetes Mellitus

2012· article· en· W1966149309 sur OpenAlexvenueno aff
Christine Xia Wu, Woan Shin Tan, Matthias Paul Han Sim Toh, Bee Hoon Heng

Notice bibliographique

RevueJournal of Endocrinology and Metabolism · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNational Death IndexRetrospective cohort studyType 2 Diabetes MellitusRisk of mortalityCohortDiabetes mellitusStatisticInternal medicineRisk assessmentEmergency medicineHazard ratioStatisticsConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background: Type 2 Diabetes Mellitus with severe complications have higher risk of mortality. An easy-to-use risk index to quantify the risk of mortality would help clinicians identify patients who might benefit from more intensive therapy. The study aims to develop a risk index to predict all-cause mortality for a cohort of T2DM patients seen at primary care clinics in Singapore.  Methods: In a retrospective cohort study, 28 patient-level variables were extracted from an automated clinical and administrative registry for T2DM who had at least 2 visits to the same National Healthcare Group Polyclinic in 2007. Demographic characteristics, inpatient and outpatient diagnoses, laboratory results and prescription were included. Mortality data were provided by the Ministry of Health. We used a split-sample design to derive and validate an index to predict the risk of death within 2 years of the index attendance. The c-statistic was used to assess model discrimination.  Results: Out of the 59,747 patients in the study, 2,977 (5%) patients died during the 2-year follow up. Age (“A”); diabetes-related complications (Diabetes Complication Severity Index) (“C”); and cancer history (“C”) were found to independently predict all-cause mortality (from which the mnemonic “ACC” was derived). The ACC risk index ranged from 0 to 20 with expected risk of mortality of 0.3% to 80.6%. The discriminatory accuracy of the ACC risk index for the validation data is excellent (c-statistic 0.83, 95% CI 0.82 - 0.84). Conclusion: A simple risk index for all-cause mortality was successfully developed, and validated using routinely collected registry data. The risk index can be used to stratify T2 DM patients into varying risk of mortality. Further external validation of the risk index is needed before using it in a clinical setting. doi:10.4021/jem67w

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)0,013
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,328
Écart entre enseignants0,287 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Endocrinology and MetabolismMême sujetChronic Disease Management StrategiesTravaux en français237 207