Effects of longitudinal changes in Charlson comorbidity on prognostic survival model performance among newly diagnosed patients with hypertension
Notice bibliographique
Résumé
BACKGROUND: To assess the use of updated comorbidity information over time on ability to predict mortality among adults with newly diagnosed hypertension. METHODS: We studied adults 18 years and older with an incident diagnosis of hypertension from Alberta, Canada. We compared the prognostic performance of Cox regression models using Charlson comorbidities as time-invariant covariates at baseline (TIC) versus models including Charlson comorbidities as time-varying covariates (TVC) using Akaike Information Criterion (AIC) for testing goodness of fit. RESULTS: The strength of the association between important prognostic clinical variables and mortality varied by modeling technique; for example, myocardial infarction was less strongly associated with mortality in the TIC model (Hazard Ratio 1.07; 95% Confidence Interval (CI): 1.05 to 1.1) than in the TVC model (HR 1.20; 95% CI: 1.18 to 1.22). All TVC models slightly outperformed TIC models, regardless of the method used to adjust for comorbid conditions (individual Charlson Comorbidities, count of comorbidities or indices). The TVC model including all 17 Charlson comorbidities as individual independent variables showed the best fit and performance. CONCLUSION: Accounting for changes in patient comorbidity status over time more accurately captures a patient's health risk and slightly improves predictive model fit and performance than traditional methods using TIC assessment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».