Predicting prolonged intensive care unit length of stay in patients undergoing coronary artery bypass surgery - development of an entirely preoperative scorecard
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
We sought to develop a predictive model based exclusively on preoperative factors to identify patients at risk for PrlICULOS following coronary artery bypass grafting (CABG). Retrospective analysis was performed on patients undergoing isolated CABG at a single center between June 1998 and December 2002. PrlICULOS was defined as initial admission to ICU exceeding 72 h. A parsimonious risk-predictive model was constructed on the basis of preoperative factors, with subsequent internal validation. Of 3483 patients undergoing isolated CABG between June 1998 and December 2002, 411 (11.8%) experienced PrlICULOS. Overall in-hospital mortality was higher among these patients (14.4% vs. 1.2%, P<or=0.0001). The following variables were found to be independent predictors of PrlICULOS: increased age, recent myocardial infarction, preoperative renal failure, cerebral and/or peripheral vascular disease, chronic obstructive pulmonary disease, ejection fraction <40%, previous CABG, triple-vessel and/or left main disease, NYHA class IV symptoms and urgent or emergent status. Subsequent validation of this model demonstrated a c-statistic of 78%. An internally-validated, risk predictive model of PrlICULOS in patients undergoing CABG was constructed. Based on preoperative clinical factors, a scorecard was developed allowing identification of these patients prior to surgery and allowing for strategies aimed at optimizing hospital resources.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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