Addition of Frailty and Disability to Cardiac Surgery Risk Scores Identifies Elderly Patients at High Risk of Mortality or Major Morbidity
Notice bibliographique
Résumé
Background- Cardiac surgery risk scores perform poorly in elderly patients, in part because they do not take into account frailty and disability which are critical determinants of health status with advanced age. There is an unmet need to combine established cardiac surgery risk scores with measures of frailty and disability to provide a more complete model for risk prediction in elderly patients undergoing cardiac surgery. Methods and Results- This was a prospective, multicenter cohort study of elderly patients (≥70 years) undergoing coronary artery bypass and/or valve surgery in the United States and Canada. Four different frailty scales, 3 disability scales, and 5 cardiac surgery risk scores were measured in all patients. The primary outcome was the STS composite end point of in-hospital postoperative mortality or major morbidity. A total of 152 patients were enrolled, with a mean age of 75.9±4.4 years and 34% women. Depending on the scale used, 20-46% of patients were found to be frail, and 5-76% were found to have at least 1 disability. The most predictive scale in each domain was: 5-meter gait speed ≥6 seconds as a measure of frailty (odds ratio [OR], 2.63; 95% confidence interval [CI], 1.17-5.90), ≥3 impairments in the Nagi scale as a measure of disability (OR, 2.98; 95% CI, 1.35-6.56) and either the Parsonnet score (OR, 1.08; 95% CI, 1.04-1.13) or Society of Thoracic Surgeons Predicted Risk of Mortality or Major Morbidity (STS-PROMM) (OR, 1.05; 95% CI, 1.01-1.09) as a cardiac surgery risk score. Compared with the Parsonnet score or STS-PROMM alone, (area under the curve, 0.68-0.72), addition of frailty and disability provided incremental value and improved model discrimination (area under the curve, 0.73-0.76). Conclusions- Clinicians should use an integrative approach combining frailty, disability, and risk scores to better characterize elderly patients referred for cardiac surgery and identify those that are at increased risk.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».