Predicting cardiovascular intensive care unit readmission after cardiac surgery: derivation and validation of the Alberta Provincial Project for Outcomes Assessment in Coronary Heart Disease (APPROACH) cardiovascular intensive care unit clinical prediction model from a registry cohort of 10,799 surgical cases
Notice bibliographique
Résumé
INTRODUCTION: In medical and surgical intensive care units, clinical risk prediction models for readmission have been developed; however, studies reporting the risks for cardiovascular intensive care unit (CVICU) readmission have been methodologically limited by small numbers of outcomes, unreported measures of calibration or discrimination, or a lack of information spanning the entire perioperative period. The purpose of this study was to derive and validate a clinical prediction model for CVICU readmission in cardiac surgical patients. METHODS: A total of 10,799 patients more than or equal to 18 years in the Alberta Provincial Project for Outcomes Assessment in Coronary Heart Disease (APPROACH) registry who underwent cardiac surgery (coronary artery bypass or valvular surgery) between 2004 and 2012 and were discharged alive from the first CVICU admission were included. The full cohort was used to derive the clinical prediction model and the model was internally validated with bootstrapping. Discrimination and calibration were assessed using the AUC c index and the Hosmer-Lemeshow tests, respectively. RESULTS: A total of 479 (4.4%) patients required CVICU readmission. The mean CVICU length of stay (19.9 versus 3.3 days, P <0.001) and in-hospital mortality (14.4% versus 2.2%, P <0.001) were higher among patients readmitted to the CVICU. In the derivation cohort, a total of three preoperative (age ≥ 70, ejection fraction, chronic lung disease), two intraoperative (single valve repair or replacement plus non-CABG surgery, multivalve repair or replacement), and seven postoperative variables (cardiac arrest, pneumonia, pleural effusion, deep sternal wound infection, leg graft harvest site infection, gastrointestinal bleed, neurologic complications) were independently associated with CVICU readmission. The clinical prediction model had robust discrimination and calibration in the derivation cohort (AUC c index = 0.799; Hosmer-Lemeshow P = 0.192). The validation point estimates and confidence intervals were similar to derivation model. CONCLUSIONS: In a large population-based dataset incorporating a comprehensive set of perioperative variables, we have derived a clinical prediction model with excellent discrimination and calibration. This model identifies opportunities for targeted therapeutic interventions aimed at reducing CVICU readmissions in high-risk patients.
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 | 0,001 | 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 ».