Statistical Validation of the Glasgow Coma Score
Notice bibliographique
Résumé
BACKGROUND: To validate the predictive value of the Glasgow Coma Score (GCS) and find the best way to model the score in a logistic regression model predicting mortality. METHODS: Analyses were based on 20,494 patients from the trauma registries of three urban Level I trauma centers in the province of Quebec, Canada. The predictive value of the GCS and its components was evaluated in logistic regression models predicting in-hospital mortality with measures of discrimination and calibration. The performance of the GCS with no transformation and as an ordered categorical variable was compared with two transformation techniques: fractional polynomials and spline regression. RESULTS: The GCS had excellent discrimination (area under Receiving Operator Characteristic Curve=0.833 95% confidence interval=0.820-0.846) but fairly poor calibration (Pearson's Chi-squared statistic=122 on 11 df). The eye component added no predictive information to the verbal and motor components in the whole sample but was important in certain sub-populations. Using the three components separately, rather than the sum, did not improve the predictive model. Fractional polynomial transformation of the GCS improved calibration and spline regression performed even better. GCS modeled as an ordered categorical variable performed badly both in terms of discrimination and calibration. CONCLUSIONS: The GCS in its present form is an efficient predictor of in-hospital mortality, which could benefit from statistical transformation in logistic regression models when the accuracy of estimated probabilities of mortality is important. The common use of GCS categories for modeling mortality leads to loss of information and should be discarded.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,051 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».