An Independent and External Validation of the ACC NCDR Bleeding Risk Score among a National Multi-Site Community Hospital Registry of Cardiac Interventions
Notice bibliographique
Résumé
Background: An accurate tool with good discrimination for bleeding would be useful to clinicians for improved management of all their patients. Bleeding risk models have been published but not externally validated in independent clinical datasets. We chose the NCDR PCI score to validate within a large, multi-site community dataset. The aim of the study was to determine the diagnostic utility of this bleeding risk score tool. Methods: This is a large-scale retrospective analysis utilizing American College of Cardiology data from a 37-hospital health system. The central repository of PCI procedures between 6-1-2009 and 6-30-2012 was utilized to validate the NCDR PCI bleeding risk score (BRS) among 4693 patients. The primary endpoint was major bleeding. Discriminant analysis calculating the receiver operating characteristic curve was performed. Results: There were 143 (3.0%) major bleeds. Mean bleeding risk score was 14.7 (range 3 – 42). Incidence of bleeding by risk category: low (0.5%), intermediate (1.7%), and high risk (7.6%). Patients given heparin had 113 (3.7%) major bleeds and those given bivalirudin had 30 (2.1%) major bleeds. Tool accuracy was poor to fair (AUC 0.78 heparin, 0.65 bivalirudin). Overall accuracy was 0.71 (CI: 0.66-0.76). Accuracy did not improve when confined to just the intermediate risk group (AUC 0.58; CI: 0.55-0.67). Conclusion: Bleeding risk tools have low predictive value. Adjustment for anticoagulation use resulted in poor discrimination because bivalirudin differentially biases outcomes toward no bleeding. The current state of bleeding risk tools provides little support for diagnostic utility in regards to major bleeding and therefore have limited clinical applicability.
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 | 0,014 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».