A Risk Index for Sternal Surgical Wound Infection After Cardiovascular Surgery
Notice bibliographique
Résumé
OBJECTIVES: To identify factors that increase the risk of sternal surgical wound infection after cardiovascular surgery and to develop a bedside clinical risk index using these factors. DESIGN: A risk index was developed using clinical data collected from a cohort of 11,508 cardiac surgery patients and validated using three independent subsets of the data. With two of these subsets, we derived a logistic regression equation and then modified the scoring algorithm to simplify the calculation of patient risk scores by clinicians. The final subset was used to validate the index. The area under the receiver operating characteristic (aROC) curve was the primary measure of goodness of fit. SETTING: Toronto General Hospital, a teaching hospital and the largest center for cardiac surgery in Ontario, Canada. PATIENTS: Cardiac surgery patients receiving cardiopulmonary bypass between April 1, 1990, and December 31, 1995, who survived at least 6 days after surgery. RESULTS: Variables that were used to construct the risk index included reoperation due to complication (odds ratio, 4.3; range, 1.9 to 8.5), diabetes (odds ratio, 2.4; range, 1.5 to 3.7), more than 3 days in the intensive care unit (odds ratio, 5.4; range, 3.2 to 8.7), and use of the internal mammary artery for revascularization (odds ratio, 3.2; range, 1.7 to 5.8). Validation showed that the index had an aROC curve of 0.64. CONCLUSIONS: The risk index described in this article allows clinicians to quickly stratify patients into four risk groups associated with an increasing risk of sternal surgical wound infection. It may be used perioperatively or as part of a wound infection surveillance system.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».