The ADHERE classification and regression tree model overestimates mortality rates in clinical trials: results from REVIVE I & II
Notice bibliographique
Résumé
Blood urea nitrogen (BUN), systolic blood pressure (SBP), and serum creatinine (Cr) were significant predictors of inhospital mortality by classification and regression tree (CART) analysis of ADHERE. REVIVE I & II (REVIVE) compared levosimendan with placebo, in addition to standard-of-care (SOC), in patients with acute decompensated heart failure. We hypothesized that mortality in REVIVE would be similar to ADHERE in all CART-defined risk subgroups. REVIVE ( n = 700) mortality data were mapped using the same variables/cut-points as the ADHERE CART analysis. Compared with ADHERE, proportionately more patients in REVIVE had SBP <115 mmHg (56.4% vs 18.6%; P < 0.001) with more patients (3.0% vs 1.9%; P < 0.05) in the highest mortality risk subgroup (SBP <115 mmHg, BUN ≥ 43 mg/dl, and Cr ≥ 2.75 mg/dl). For the total population and for every CART-defined subgroup, REVIVE inhospital mortality rates were lower than those from ADHERE. See Figure 1 . Mortality rates from REVIVE for subgroups defined by the ADHERE classification and regression tree model. Clinical trials (REVIVE) may enroll proportionately more patients at increased risk of mortality in comparison with the general population (ADHERE). Despite the predicted increased mortality risk, mortality rates were lower in REVIVE than in ADHERE for the total population and for every CART-defined risk subgroup. Differences in SOC or additional risk factors, such as age or other comorbid conditions, may contribute to the poorer prognosis in nontrial populations.
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 | 0,091 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».