A Risk Scoring System to Identify Emergency Department Patients With Heart Failure at High Risk for Serious Adverse Events
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: There are no validated guidelines to guide physicians with difficult disposition decisions for emergency department (ED) patients with heart failure (HF). The authors sought to develop a risk scoring system to identify HF patients at high risk for serious adverse events (SAEs). METHODS: This was a prospective cohort study at six large Canadian EDS that enrolled adult patients who presented with acute decompensated HF. Each patient was assessed for standardized clinical and laboratory variables as well as for SAEs defined as death, intubation, admission to a monitored unit, or relapse requiring admission. Adjusted odds ratios for predictors of SAEs were calculated by stepwise logistic regression. RESULTS: In 559 visits, 38.1% resulted in patient admission. Of 65 (11.6%) SAE cases, 31 (47.7%) occurred in patients not initially admitted. The multivariate model and resultant Ottawa Heart Failure Risk Scale consists of 10 elements, and the risk of SAEs varied from 2.8% to 89.0%, with good calibration between observed and expected probabilities. Internal validation showed the risk scores to be very accurate across 1,000 replications using the bootstrap method. A threshold of 1, 2, or 3 total scores for admission would be associated with sensitivities of 95.2, 80.6, or 64.5%, respectively, all better than current practice. CONCLUSIONS: Many HF patients are discharged home from the ED and then suffer SAEs or death. The authors have developed an accurate risk scoring system that could ultimately be used to stratify the risk of poor outcomes and to enable rational and safe disposition decisions.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 0,001 |
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 découle