MétaCan
Menu
Retour à la cohorte
Enregistrement W2133861584 · doi:10.1016/j.jamcollsurg.2009.07.004

A Multiple Imputation Model for Imputing Missing Physiologic Data in the National Trauma Data Bank

2009· article· en· W2133861584 sur OpenAlex
Lynne Moore, James A. Hanley, Alexis F. Turgeon, André Lavoie, Marcel Émond

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of the American College of Surgeons · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensUniversité LavalHôpital de l'Enfant-JésusMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineMissing dataGlasgow Coma ScaleImputation (statistics)Logistic regressionMechanical ventilationReceiver operating characteristicStatisticsAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Like most trauma registries, the National Trauma Data Bank (NTDB) is limited by the problem of missing physiologic data. Multiple imputation (MI) has been proposed to simulate missing Glasgow Coma Scale (GCS) scores, respiratory rate (RR), and systolic blood pressure (SBP). The aim of this study was to develop an MI model for missing physiologic data in the NTDB and to provide guidelines for its implementation. STUDY DESIGN: The NTDB 7.0 was restricted to patients admitted in 2005 with at least one anatomic injury code. A series of auxiliary variables thought to offer information for the imputation process was selected from the NTDB by literature review and expert opinion. The relation of these variables to physiologic variables and to the fact that they were missing was examined using logistic regression. The MI model included all auxiliary variables that had a statistically significant association with physiologic variables or with the fact that they were missing (Bonferroni-corrected p value <0.05). RESULTS: The NTDB sample included 373,243 observations. Glasgow Coma Scale, respiratory rate, and systolic blood pressure were missing for 20.3%, 3.9%, and 8.5% of data observations, respectively. The MI model included information on the following: gender, age, anatomic injury severity, transfer status, injury mechanism, intubation status, alcohol and drug test results, emergency department disposition, total length of stay, ICU length of stay, duration of mechanical ventilation, and discharge disposition. The MI model offered good discrimination for predicting the value of physiologic variables and the fact that they were missing (areas under the receiver operating characteristic curve between 0.832 and 0.999). CONCLUSIONS: This article proposes an MI model for imputing missing physiologic data in the NTDB and provides guidelines to facilitate its use. Implementation of the model should improve the quality of research involving the NTDB. The methodology can also be adapted to other trauma registries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,223

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,373
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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