MétaCan
Menu
Retour à la cohorte
Enregistrement W1971842239 · doi:10.1002/hep.22676

Predicting in-hospital mortality in patients with cirrhosis: Results differ across risk adjustment methods #

2008· article· en· W1971842239 sur OpenAlexaff
Robert P. Myers, Hude Quan, James Hubbard, Abdel Aziz Shaheen, Gilaad G. Kaplan

Notice bibliographique

RevueHepatology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease and Transplantation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesFondation pour la Recherche Médicale
Mots-clésMedicineCirrhosisHepatic encephalopathyInternal medicineComorbidityConfidence intervalLiver diseaseHeart failureHepatocellular carcinomaPneumoniaMortality rateEmergency medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Risk-adjusted health outcomes are often used to measure the quality of hospital care, yet the optimal approach in patients with liver disease is unclear. We sought to determine whether assessments of illness severity, defined as risk for in-hospital mortality, vary across methods in patients with cirrhosis. We identified 258,731 patients with cirrhosis hospitalized in the Nationwide Inpatient Sample between 2002 and 2005. The performance of four common risk adjustment methods (the Charlson/Deyo and Elixhauser comorbidity algorithms, Disease Staging, and All Patient Refined Diagnosis Related Groups [APR-DRGs]) for predicting in-hospital mortality was determined using the c-statistic. Subgroup analyses were conducted according to a primary versus secondary diagnosis of cirrhosis and in homogeneous patient subgroups (hepatic encephalopathy, hepatocellular carcinoma, congestive heart failure, pneumonia, hip fracture, and cholelithiasis). Patients were also ranked according to the probability of death as predicted by each method, and rankings were compared across methods. Predicted mortality according to the risk adjustment methods agreed for only 55%-67% of patients. Similarly, performance of the methods for predicting in-hospital mortality varied significantly. Overall, the c-statistics (95% confidence interval) for the Charlson/Deyo and Elixhauser algorithms, Disease Staging, and APR-DRGs were 0.683 (0.680-0.687), 0.749 (0.746-0.752), 0.832 (0.829-0.834), and 0.875 (0.873-0.878), respectively. Results were robust across diagnostic subgroups, but performance was lower in patients with a primary versus secondary diagnosis of cirrhosis. CONCLUSION: Mortality analyses in patients with cirrhosis require sensitivity to the method of risk adjustment. Because different methods often produce divergent severity rankings, analyses of provider-specific outcomes may be biased depending on the method used.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,313
Écart entre enseignants0,296 · 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 tête enseignante, 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

Citations92
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHepatologyMême sujetLiver Disease and TransplantationTravaux en français237 207