Validation of a Clinical Decision Aid to Discontinue In-Hospital Cardiac Arrest Resuscitations
Notice bibliographique
Résumé
CONTEXT: Most patients undergoing in-hospital cardiac resuscitation do not survive to hospital discharge. In a previous study, we developed a clinical decision aid for identifying all patients undergoing resuscitation who survived to hospital discharge. OBJECTIVE: To validate our previously derived clinical decision aid. DESIGN, SETTING, AND PARTICIPANTS: Data from a large registry of in-hospital resuscitations at a community teaching hospital in Georgia were analyzed to determine whether patients would be predicted to survive to hospital discharge (ie, whether their arrest was witnessed or their initial cardiac rhythm was either ventricular tachycardia or ventricular fibrillation or they regained a pulse during the first 10 minutes of chest compressions). Data from 2181 in-hospital cardiac resuscitation attempts in 1987-1996 involving 1884 pulseless patients were analyzed. MAIN OUTCOME MEASURE: Comparison of predictions based on the decision aid with whether patients were actually discharged alive from the hospital. RESULTS: For 327 resuscitations (15.0%), the patient survived to hospital discharge. For 324 of these resuscitations, the patients were predicted to survive to hospital discharge (sensitivity = 99.1%, 95% confidence interval, 97.1%-99.8%). In 269 resuscitations, patients did not satisfy the decision aid and were predicted to have no chance of being discharged from the hospital. Only 3 of these patients (1.1%) were discharged from the hospital (negative predictive value = 98.9%), none of whom were able to live independently following discharge from the hospital. CONCLUSION: This decision aid can be used to help physicians identify patients who are extremely unlikely to benefit from continued resuscitative efforts.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 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 ».