A Risk Score Based on Get With the Guidelines–Stroke Program Data Works in Patients With Acute Ischemic Stroke in China
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: There are few validated models for prediction of in-hospital mortality after acute ischemic stroke. In 2010, Smith et al developed and internally validated models for predicting in-hospital mortality based on Get With the Guidelines-Stroke program data. We demonstrate the applicability of this Get With the Guidelines risk model in Chinese patients. METHODS: The prognostic model was used to predict survival in 7015 patients with acute ischemic stroke from China National Stroke Registry data set. Model discrimination was quantified by calculating C statistic. To clarify the role of National Institutes of Health Stroke Scale (NIHSS), we also calculated the C statistics for NIHSS alone and for the model without NIHSS. RESULTS: The C statistic was 0.867 (95% CI, 0.839-0.895) through the Get With the Guidelines risk model, suggesting good discrimination in the China National Stroke Registry. The model without NIHSS produced significantly lower C statistic (0.735; 95% CI, 0.701-0.770; P<0.001), indicating the important role of NIHSS in the prediction of survival. Furthermore, a model with NIHSS alone also provided significant discrimination (C statistic, 0.847; 95% CI, 0.816-0.879). A plot of observed versus predicted mortality showed excellent model calibration in the external validation sample from the China National Stroke Registry. CONCLUSIONS: The Get With the Guidelines risk model could correctly predict in-hospital mortality in Chinese patients with ischemic stroke. In addition, the NIHSS provides substantial incremental information on a patient's short-term mortality risk and is the strongest predictor of mortality.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».