MétaCan
Menu
Retour à la cohorte
Enregistrement W2325294495 · doi:10.1097/ccm.0000000000001205

Development and Validation of a Mortality Prediction Model for Patients Receiving 14 Days of Mechanical Ventilation

2015· article· en· W2325294495 sur OpenAlexaff
Catherine L. Hough, Ellen Caldwell, Christopher E. Cox, Ivor S. Douglas, Jeremy M. Kahn, Douglas B. White, Eric J. Seeley, Shrikant I. Bangdiwala, Gordon D. Rubenfeld, Derek C. Angus, Shannon S. Carson

Notice bibliographique

RevueCritical Care Medicine · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésMedicineMechanical ventilationCohortReceiver operating characteristicLogistic regressionRetrospective cohort studyCohort studyVentilation (architecture)Area under the curveInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The existing risk prediction model for patients requiring prolonged mechanical ventilation is not applicable until after 21 days of mechanical ventilation. We sought to develop and validate a mortality prediction model for patients earlier in the ICU course using data from day 14 of mechanical ventilation. DESIGN: Multicenter retrospective cohort study. SETTING: Forty medical centers across the United States. PATIENTS: Adult patients receiving at least 14 days of mechanical ventilation. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Predictor variables were measured on day 14 of mechanical ventilation in the development cohort and included in a logistic regression model with 1-year mortality as the outcome. Variables were sequentially eliminated to develop the ProVent 14 model. This model was then generated in the validation cohort. A simplified prognostic scoring rule (ProVent 14 Score) using categorical variables was created in the development cohort and then tested in the validation cohort. Model discrimination was assessed by the area under the receiver operator characteristic curve. Four hundred ninety-one patients and 245 patients were included in the development and validation cohorts, respectively. The most parsimonious model included age, platelet count, requirement for vasopressors, requirement for hemodialysis, and nontrauma admission. The area under the receiver operator characteristic curve for the ProVent 14 model using continuous variables was 0.80 (95% CI, 0.76-0.83) in the development cohort and 0.78 (95% CI, 0.72-0.83) in the validation cohort. The ProVent 14 Score categorized age at 50 and 65 years old and platelet count at 100×10(9)/L and had similar discrimination as the ProVent 14 model in both cohorts. CONCLUSION: Using clinical variables available on day 14 of mechanical ventilation, the ProVent 14 model can identify patients receiving prolonged mechanical ventilation with a high risk of mortality within 1 year.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,304

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,355
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetRespiratory Support and MechanismsTravaux en français237 207