Notice bibliographique
Résumé
Introduction: The comorbidity measures are useful in comparing patient population in health service search, predicting inpatient mortality, health care cost etc. Amongst the two most widely used comorbidity measures, the Elixhauser's has been reported to perform better than the Charlson's in predicting short and long-term mortality. The Elixhauser comorbidity measure consists of 30 comorbidities from the international disease classification - 9 clinical modification (ICD-9CM). To improve ease in the use, a point system was derived for Elixhauser comorbidities using multiple logistic-regression to predict inpatient mortality in single center Canadian cohort. The derived index performed well in split sample validation. Methods: This retrospective observational study was performed at 300-bed community hospital catering a suburban population. All the adult patients admitted during October 2005 through September 2011 were included in the study. Our hospital uses ICD-9 CM and coding is performed by expert coders. Score allotment for the comorbidities was performed as described by Walraven et al (Med Care. 2009 Jun;47(6):626-33). Performance of the index in predicting inpatient mortality was measured using the area under the Receiver operating curve. Predicted and observed mortality were compared. Results: Total of 52,068 patients were admitted during this period. Mean age was 65.9 (SD 18.9) years, 41.4% were male and median duration of hospital stay was 3 days (IQR 2 to 5). 1037 (1.99%) patients expired in the hospital. Area under the Receiver operating curve in predicting all cause inpatient mortality was 0.80 (95% CI, 0.78-0.81). The predicted and observed inpatient mortality were similar, Fisher's exact test 2-tailed p = 0.1487 Conclusions: We report excellent performance of the Elixhauser comorbidity index in prediction of inpatient mortality in an external cohort from United States.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».