A multivariable model for predicting the need for blood transfusion in patients undergoing first‐time elective coronary bypass graft surgery
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
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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