A Clinical Prediction Model for Long-Term Functional Outcome after Traumatic Spinal Cord Injury Based on Acute Clinical and Imaging Factors
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
To improve clinicians' ability to predict outcome after spinal cord injury (SCI) and to help classify patients within clinical trials, we have created a novel prediction model relating acute clinical and imaging information to functional outcome at 1 year. Data were obtained from two large prospective SCI datasets. Functional independence measure (FIM) motor score at 1 year follow-up was the primary outcome, and functional independence (score ≥ 6 for each FIM motor item) was the secondary outcome. A linear regression model was created with the primary outcome modeled relative to clinical and imaging predictors obtained within 3 days of injury. A logistic model was then created using the dichotomized secondary outcome and the same predictor variables. Model validation was performed using a bootstrap resampling procedure. Of 729 patients, 376 met the inclusion criteria. The mean FIM motor score at 1 year was 62.9 (±28.6). Better functional status was predicted by less severe initial American Spinal Injury Association (ASIA) Impairment Scale grade, and by an ASIA motor score >50 at admission. In contrast, older age and magnetic resonance imaging (MRI) signal characteristics consistent with spinal cord edema or hemorrhage predicted worse functional outcome. The linear model predicting FIM motor score demonstrated an R-square of 0.52 in the original dataset, and 0.52 (95% CI 0.52,0.53) across the 200 bootstraps. Functional independence was achieved by 148 patients (39.4%). For the logistic model, the area under the curve was 0.93 in the original dataset, and 0.92 (95% CI 0.92,0.93) across the bootstraps, indicating excellent predictive discrimination. These models will have important clinical impact to guide decision making and to counsel patients and families.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle