A Scoring System to Predict Unplanned Intubation in Patients Having Undergone Major Surgical Procedures
Notice bibliographique
Résumé
BACKGROUND: Unplanned tracheal intubation after surgery has been associated with high mortality. Few studies have examined the risk factors for this complication. METHODS: The American College of Surgeons National Surgical Quality Improvement Program (NSQIP) is a multicenter, prospective, outcome-oriented database for patients having undergone major surgical procedures. Using the NSQIP data for the years 2005 to 2007 (n = 231,548) and Cox proportional hazards modeling, we identified risk factors and used them to derive a scoring system to stratify patients' risk of having an unplanned intubation outcome. NSQIP data for the year 2008 (n = 176,031) were then used to validate the scoring system. RESULTS: The variables most predictive of unplanned intubation were patient age (0-4 points), ASA physical status (0-7 points), the presence of preoperative sepsis (3 points), and total operative time (0-4 points). The Unplanned Intubation Risk Index based on the adjusted hazard ratios for these variables, ranging from 0 (lowest risk) to 18 (highest risk), had a 79% accuracy in distinguishing patients requiring unplanned intubation from those not requiring it (area under the receiver operating characteristic curve 0.79, 95% confidence interval 0.79-0.80). When the scoring system was applied to the validation cohort data, its discriminative performance remained virtually unchanged (area under the receiver operating characteristic curve 0.79, 95% confidence interval 0.79-0.80). CONCLUSIONS: A scoring system based on clinical risk factors was able to accurately predict unplanned intubation after surgery. Further investigation is needed to assess the utility of the Unplanned Intubation Risk Index in reducing the incidence of unplanned intubation through improved risk stratification and management in perioperative care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».