Comparison of 3 Clinical Models for Predicting the Probability of Pulmonary Embolism
Notice bibliographique
Résumé
Two clinical models have been described to predict the probability of pulmonary embolism: the Canadian (or Wells) model, and the Geneva model. A third model has been developed recently at our institution (the Pisa model). We compared the performance of the 3 models in 215 consecutive patients with suspected pulmonary embolism. The clinical probability predicted by the models was categorized as low, intermediate, or high. In all patients, pulmonary angiography was used as the reference diagnostic standard. In patients with pulmonary embolism, the extent of pulmonary embolization was assessed on the lung scan as an index of disease severity. The prevalence of pulmonary embolism was 43.3%, and the median extent of pulmonary embolization at diagnosis was 39.8% (range, 4.5%-75.3%). The proportions of patients categorized as having low, intermediate, or high probability were, respectively: 12%, 60%, and 28%, for the Geneva model; 30%, 55%, and 15%, for the Wells model; 37%, 37%, and 26% for the Pisa model. The frequencies of pulmonary embolism in the low, intermediate, and high probability categories were, respectively: 50%, 39%, and 49% for the Geneva model; 12%, 54%, and 64% for the Wells model; 5%, 42%, and 98% for the Pisa model. Among patients with pulmonary embolism, there was a strong, positive relation between clinical probability predicted by the Pisa model and the extent of pulmonary embolization. The Pisa model proved more accurate than the 2 other models. It may be useful to physicians in defining precisely the pretest probability of pulmonary embolism.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».