MétaCan
Menu
Retour à la cohorte
Enregistrement W2045030413 · doi:10.1097/mlr.0b013e31819432e5

A Modification of the Elixhauser Comorbidity Measures Into a Point System for Hospital Death Using Administrative Data

2009· article· en· W2045030413 sur OpenAlexaffabout
Carl van Walraven, Peter C. Austin, Alison Jennings, Hude Quan, Alan J. Forster

Notice bibliographique

RevueMedical Care · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity of CalgaryInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésComorbidityConfoundingMedicineLogistic regressionInternal medicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Comorbidity measures are necessary to describe patient populations and adjust for confounding. In direct comparisons, studies have found the Elixhauser comorbidity system to be statistically slightly superior to the Charlson comorbidity system at adjusting for comorbidity. However, the Elixhauser classification system requires 30 binary variables, making its use for reporting and analysis of comorbidity cumbersome. OBJECTIVE: Modify the Elixhauser classification system into a single numeric score for administrative data. METHODS: For all hospitalizations at the Ottawa Hospital, Canada, between 1996 and 2008, we determined if International Classification of Disease codes for chronic diagnoses were in any of the 30 Elixhauser comorbidity groups. We then used backward stepwise multivariate logistic regression to determine the independent association of each comorbidity group with death in hospital. Regression coefficients were modified into a scoring system that reflected the strength of each comorbidity group's independent association with hospital death. RESULTS: Hospitalizations that were included were 345,795 (derivation: 228,565; validation 117,230). Twenty-one of the 30 groups were independently associated with hospital mortality. The resulting comorbidity score had an equivalent discrimination in the derivation and validation groups (overall c-statistic 0.763, 95% CI: 0.759-0.766). This was similar to models having all Elixhauser groups (0.760, 95% CI: 0.756-0.764) or significant groups only (0.759, 95% CI: 0.754-0.762), but significantly exceeded discrimination when comorbidity was expressed using the Charlson score (0.745, 95% CI: 0.742-0.749). CONCLUSION: When analyzing administrative data, the Elixhauser comorbidity system can be condensed to a single numeric score that summarizes disease burden and is adequately discriminative for death in hospital.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,195
Tête enseignante GPT0,418
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2 168
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetChronic Disease Management StrategiesTravaux en français237 207