MétaCan
Menu
Retour à la cohorte
Enregistrement W1967974230 · doi:10.1111/petr.12239

Hypoalbuminemia and poor growth predict worse outcomes in pediatric heart transplant recipients

2014· article· en· W1967974230 sur OpenAlexaff
Chesney Castleberry, Connie White‐Williams, David C. Naftel, Margaret Tresler, Elizabeth Pruitt, Shelley D. Miyamoto, Debbie Murphy, Robert L. Spicer, Louise Bannister, Kenneth O. Schowengerdt, Lisa Gilmore, Beth D. Kaufman, Steven Zangwill

Notice bibliographique

RevuePediatric Transplantation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineHypoalbuminemiaMultivariate analysisInternal medicineRisk factorHeart transplantationTransplantationHeart diseaseRisk of mortalityPediatricsIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Children with end-stage cardiac failure are at risk of HA and PG. The effects of these factors on post-transplant outcome are not well defined. Using the PHTS database, albumin and growth data from pediatric heart transplant patients from 12/1999 to 12/2009 were analyzed for effect on mortality. Covariables were examined to determine whether HA and PG were risk factors for mortality at listing and transplant. HA patients had higher waitlist mortality (15.81% vs. 10.59%, p = 0.015) with an OR of 1.59 (95% CI 1.09-2.30). Survival was worse for patients with HA at listing and transplant (p ≤ 0.01 and p = 0.026). Infants and patients with congenital heart disease did worse if they were HA at time of transplant (p = 0.020 and p = 0.028). Growth was poor while waiting with PG as risk factor for mortality in multivariate analysis (p = 0.008). HA and PG are risk factors for mortality. Survival was worse in infants and patients with congenital heart disease. PG was a risk factor for mortality in multivariate analysis. These results suggest that an opportunity may exist to improve outcomes for these patients by employing strategies to mitigate these risk factors.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,257 · 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

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric TransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207