Forecasting mortality: dynamic assessment of risk in ST-segment elevation acute myocardial infarction
Notice bibliographique
Résumé
AIMS: To demonstrate the feasibility and clinical utility of developing dynamic risk assessment models for ST-segment elevation myocardial infarction (STEMI) patients. METHODS AND RESULTS: In 6066 STEMI patients enrolled in the Assessment of the Safety and Efficacy of a New Thrombolytic-3 (ASSENT-3) trial with complete electrocardiographic data, we assessed the probability of 30-day mortality over the following forecasting periods beginning at day 0 (baseline), 3 h, day 2, and day 5 using multiple-logistic regression. These models were validated and simplified in independent samples of 1622 similar fibrinolytic-treated patients from the ASSENT-3 PLUS trial and in 814 STEMI patients undergoing primary percutaneous coronary intervention in the COMplement inhibition in Myocardial infarction treated with Angioplasty (COMMA) trial. The discriminatory power of these predictive models, from baseline to day 5, was excellent (c-statistics 0.80 to 0.87); and their predictive ability was supported by strong gradients in mortality outcomes as the risk score increased. Dynamic modelling also provided information on the change in prognosis over time which may be used to advise more appropriate therapeutic decisions, e.g. the identification of high-risk patients for possible co-interventions. CONCLUSION: Dynamic modelling for STEMI patients enhances the risk assessment and stratification and should provide valuable ongoing guidance for their management.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,003 |
| 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 ».