Percutaneous coronary intervention and 30‐day mortality: The British Columbia PCI risk score
Notice bibliographique
Résumé
OBJECTIVES: To construct a calculator to assess the risk of 30-day mortality following PCI. BACKGROUND: Predictors of 30-day mortality are commonly used to aid management decisions for cardiac surgical patients. There is a need for an equivalent risk-score for 30-day mortality for percutaneous coronary intervention (PCI) as many patients are suitable for both procedures. METHODS: The British Columbia Cardiac Registry (BCCR) is a population-based registry that collects information on all PCI procedures performed in British Columbia (BC). We used data from the BCCR to identify risk factors for mortality in PCI patients and construct a calculator that predicts 30-day mortality. RESULTS: Patients (total n = 32,899) were divided into a training set (n = 26,350, PCI between 2000 and 2004) and validation set (n = 6,549, PCI in 2005). Univariate predictors of mortality were identified. Multivariable logistic regression analysis was performed on the training set to develop a statistical model for prediction of 30-day mortality. This model was tested in the validation set. Variables that were objective and available before PCI were included in the final risk score calculator. The 30-day mortality for the overall population was 1.5% (n = 500). Area under the ROC curve was 90.2% for the training set and 91.1% for the validation set indicating that the model also performed well in this group. CONCLUSIONS: We describe a large, contemporary cohort of patients undergoing PCI with complete follow-up for 30-day mortality. A robust, validated model of 30-day mortality after PCI was used to construct a risk calculator, the BC-PCI risk score, which can be accessed at www.bcpci.org.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».