Predicting major adverse events after cardiac surgery in children
Notice bibliographique
Résumé
OBJECTIVES: To develop a reliable predictor of major adverse events after pediatric cardiac surgery, with the aim of reducing mortality of cardiac extracorporeal life support through earlier, more accurate patient selection. DESIGN: Prospective observational study. SETTING: Tertiary level pediatric intensive care unit. PATIENTS: Fifty-two children undergoing open heart surgery considered above-average risk based on preoperative assessment. INTERVENTIONS: None; strictly observational study. MEASUREMENTS AND MAIN RESULTS: A wide range of measurements was made at 3, 6, 9, 12, and 24 hrs after surgery, including: oxygen consumption, central venous pressure and oxygen saturation (Scvo2), cardiac output (Fick), heart rate, arterial pressure, arterial lactate, urine output, core-toe temperature gradient, and derived hemodynamic variables. Six children had major adverse events; three needed extracorporeal life support, two died. There were no correlations between routine postoperative measurements (blood pressure, pulse, temperature gradient, central venous pressure) and any measure of cardiac function, and neither group of variables predicted adverse outcomes. Lactate (>8 mmol/L) and Scvo2 (<40%) had high sensitivity (both 73.7%) and specificity (96.3% and 95.4%, respectively), for predicting major adverse event but positive predictive values for both were low (63.6% and 58.3%, respectively). The ratio of the two had better predictive power than the individual values. When the ratio (Scvo2, %)/(lactate, mmol/L) fell below 5, the positive predictive value for major adverse event was 93.8% (sensitivity 78.9%, specificity 90.5%). The effect was present at all postoperative time points. CONCLUSIONS: Lactate and Scvo2 are the only postoperative measurements with predictive power for major adverse events. Forming a ratio of the two (Scvo2/lactate), seems to improve predictive power, presumably by combining their individual predictive strengths. Both measures have excellent specificities but lower sensitivities. Predictive power of single measures is only fair but can be improved, in high risk patients, by monitoring repeated measures over time.
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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 tête enseignante, 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 ».