Clinical Prediction Rule for Patient Outcome after In-Hospital CPR: A New Model, Using Characteristics Present at Hospital Admission, to Identify Patients Unlikely to Benefit from CPR after In-Hospital Cardiac Arrest
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Physicians and patients frequently overestimate likelihood of survival after in-hospital cardiopulmonary resuscitation. Discussions and decisions around resuscitation after in-hospital cardiopulmonary arrest often take place without adequate or accurate information. METHODS: We conducted a retrospective chart review of 470 instances of resuscitation after in-hospital cardiopulmonary arrest. Individuals were randomly assigned to a derivation cohort and a validation cohort. Logistic Regression and Linear Discriminant Analysis were used to perform multivariate analysis of the data. The resultant best performing rule was converted to a weighted integer tool, and thresholds of survival and nonsurvival were determined with an attempt to optimize sensitivity and specificity for survival. RESULTS: A 10-feature rule, using thresholds for survival and nonsurvival, was created; the sensitivity of the rule on the validation cohort was 42.7% and specificity was 82.4%. In the Dartmouth Score (DS), the features of age (greater than 70 years of age), history of cancer, previous cardiovascular accident, and presence of coma, hypotension, abnormal PaO2, and abnormal bicarbonate were identified as the best predictors of nonsurvival. Angina, dementia, and chronic respiratory insufficiency were selected as protective features. CONCLUSIONS: Utilizing information easily obtainable on admission, our clinical prediction tool, the DS, provides physicians individualized information about their patients' probability of survival after in-hospital cardiopulmonary arrest. The DS may become a useful addition to medical expertise and clinical judgment in evaluating and communicating an individual's probability of survival after in-hospital cardiopulmonary arrest after it is validated by other cohorts.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle