Predicting the occurrence of major adverse cardiac events within 30 days of a vascular surgery: an empirical comparison of the minimum p value method and ROC curve approach using individual patient data meta-analysis
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 aimed to compare the minimum p value method and the area under the receiver operating characteristics (ROC) curve approach to categorize continuous biomarkers for the prediction of postoperative 30-day major adverse cardiac events in noncardiac vascular surgery patients. Individual-patient data from six cohorts reporting B-type natriuretic peptide (BNP) or N-terminal pro-B-type natriuretic peptide (NTproBNP) were obtained. These biomarkers were dichotomized using the minimum p value method and compared with previously reported ROC curve-derived thresholds using logistic regression analysis. A final prediction model was developed, internally validated, and assessed for its sensitivity to clustering effects. Finally, a preoperative risk score system was proposed. Thresholds identified by the minimum p value method and ROC curve approach were 115.57 pg/ml (p < 0.001) and 116 pg/ml for BNP, and 241.7 pg/ml (p = 0.001) and 277.5 pg/ml for NTproBNP, respectively. The minimum p value thresholds were slightly stronger predictors based on our logistic regression analysis. The final model included a composite predictor of the minimum p value method's BNP and NTproBNP thresholds [odds ratio (OR) = 8.5, p < 0.001], surgery type (OR = 2.5, p = 0.002), and diabetes (OR = 2.1, p = 0.015). Preoperative risks using the scoring system ranged from 2 to 49 %. The minimum p value method and ROC curve approach identify similar optimal thresholds. We propose to replace the revised cardiac risk index with our risk score system for individual-specific preoperative risk stratification after noncardiac nonvascular surgery.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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