A multivariable model for predicting the need for blood transfusion in patients undergoing first‐time elective coronary bypass graft surgery
Notice bibliographique
Résumé
BACKGROUND: The incidence of blood transfusion in coronary artery bypass graft (CABG) surgery remains high. Preoperative identification of those at high risk for requiring blood will allow for the cost-effective use of some blood conservation modalities. Multivariable analysis techniques were used in this study to develop a prediction rule for such a purpose. STUDY DESIGN AND METHODS: Data were prospectively collected for all patients undergoing elective first-time CABG surgery from January 1997 to September 1998 at a tertiary-care teaching hospital (n = 1007). The prediction rule was developed on the first two-thirds of the sample by using logistic regression methods to examine the relationship of patient demographics, comorbidities, and preoperative Hb with perioperative blood transfusion. The remaining one-third of the sample was used to validate the rule. RESULTS: The transfusion rate was 29.4 percent. The prediction rule included preoperative Hb (g/dL, OR 0.928, p<0.0001), weight (kg, OR 0.938, p<0.0001), age (years, OR 1.037, p<0.01), and sex (male/female, OR 0.493, p<0.01); receiver operating characteristic = 0.86. When externally validated, the rule had a sensitivity of 82.1 percent and a specificity of 63.6 percent (at a selected probability cutoff). CONCLUSION: A simple and valid prediction rule is developed for predicting the risk of blood transfusion in patients undergoing first-time elective CABG surgery.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».