Abstract TMP91: How Reliably Do Clinicians Predict Stroke Outcomes? Results from the JURaSSiC (Clinician JUdgment vs. Risk Score to predict Stroke outComes) randomized trial.
Notice bibliographique
Résumé
Background: Limited information is available evaluating the accuracy of clinician judgment compared with predictive stroke outcome scores. Objectives: To compare the accuracies of clinician judgment and a validated stroke risk score (iScore) for predicting stroke patient outcomes. Methods: A convenience sample of 111 practicing clinicians (general and stroke neurologists, internists, and ER physicians) predicted the outcomes of 5 stroke patients based on case summaries. Cases were randomly selected as being representative of the 10 most common clinical scenarios (n=1,415) from a pool of over 12,000 patients admitted to stroke centers in Ontario, Canada. Stroke cases had known clinical presentation, comorbidities, stroke severity, and outcomes. Main outcomes: 30 day mortality and/or disability at discharge. Results: Evaluators’ mean age was 40±12 years; 55 (50%) were active staff physicians, 47 (42%) neurologists and 8 (7%) board certified stroke neurologists. The mean number of stroke patients assessed per physician/yr was 98 (±150); 92 (82%) provide acute stroke care (initial 48 hrs). Although on average clinicians were able to estimate stroke patient outcomes accurately (mean absolute difference for death or disability at discharge: 12.8%; 95%CI 9.3%-16.5%) ,there was significant variability in the clinicians’ predictions (Figure A). Specifically, 70-100% of clinicians’ estimates were outside the 95%CI of observed outcomes (Figure B). In contrast, 90% of the iScore-based estimates were within the 95%CI of observed outcomes. Clinicians indicated a low level of confidence (mean 39%) in estimating outcomes. Conclusions: Clinicians with expertise in stroke care made predictions for actual outcomes outside of the 95%CI in 70-100% of cases whereas predictions using the iScore fell outside the 95%CI in less than 10% of cases. The iScore may provide a useful tool to help clinicians gauge a stroke patient’s likely outcome. ClinicalTrials.gov NCT01657279
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».