Derivation of A Risk Index for the Prediction of Massive Blood Transfusion in Liver Transplantation
Notice bibliographique
Résumé
Massive blood transfusion (MBT) remains a serious and common occurrence in liver transplantation surgery. This retrospective cohort study was undertaken to identify preoperative predictors of MBT and to develop a risk index for MBT in liver transplantation. Data were retrospectively collected on all liver transplantations carried out at a single institution between January 1998 and March 2004. Multivariable logistic regression analysis was used to identify independent predictor variables of MBT, defined as >/=6 units of red blood cell concentrate (RBC) in the first 24 hours of surgery. The model was internally validated by bootstrapping. Of the 460 liver transplant recipients, 193 (42%) received >/=6 units of RBC within 24 hours of surgery. Unadjusted analyses identified 12 preoperative predictors of MBT: age, height, gender, repeat transplantation, etiology of liver failure, and preoperative laboratory values (hemoglobin concentration, platelet count, international normalized ratio for prothrombin activity [INR], albumin, total bilirubin, and creatinine). In multivariable logistic regression, 7 independent predictors of MBT were identified: age (>40 years), hemoglobin concentration (</=10.0 g/dL), INR (1.2-1.99, and >2.0), platelet count (</=70 x 10(9)/L), creatinine (>/=110 micromol/L for female subjects and >/=120 micromol/L for male subjects), albumin (< 28 g/L), and repeat transplantation. The area under the receiver-operating characteristic curve (ROC) for the model was 0.82. By using the regression beta coefficients to derive weights for each of these predictors, a risk index was developed that assigned each patient a score between 0 and 8. The ROC for this risk index was 0.79. MBT in liver transplantation surgery can be accurately predicted by 7 readily available preoperative predictors.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».