Development and Validation of Severe Hypoxemia Associated Risk Prediction Model in 1,000 Mechanically Ventilated Patients*
Notice bibliographique
Résumé
OBJECTIVES: Patients with severe, persistent hypoxemic respiratory failure have a higher mortality. Early identification is critical for informing clinical decisions, using rescue strategies, and enrollment in clinical trials. The objective of this investigation was to develop and validate a prediction model to accurately and timely identify patients with severe hypoxemic respiratory failure at high risk of death, in whom novel rescue strategies can be efficiently evaluated. DESIGN: Electronic medical record analysis. SETTING: Medical, surgical, and mixed ICU setting at a tertiary care institution. PATIENTS: Mechanically-ventilated ICU patients. MEASUREMENTS AND MAIN RESULTS: Mechanically ventilated ICU patients were screened for severe hypoxemic respiratory failure (Murray lung injury score of ≥ 3). Survival to hospital discharge was the dependent variable. Clinical predictors within 24 hours of onset of severe hypoxemia were considered as the independent variables. An area under the curve and a Hosmer-Lemeshow goodness-of-fit test were used to assess discrimination and calibration. A logistic regression model was developed in the derivation cohort (2005-2007). The model was validated in an independent cohort (2008-2010). Among 79,341 screened patients, 1,032 met inclusion criteria. Mortality was 41% in the derivation cohort (n = 464) and 35% in the validation cohort (n = 568). The final model included hematologic malignancy, cirrhosis, aspiration, estimated dead space, oxygenation index, pH, and vasopressor use. The area under the curve of the model was 0.85 (0.82-0.89) and 0.79 (0.75-0.82) in the derivation and validation cohorts, respectively, and showed good calibration. A modified model, including only physiologic variables, performed similarly. It had comparable performance in patients with acute respiratory distress syndrome and outperformed previous prognostic models. CONCLUSIONS: A model using comorbid conditions and physiologic variables on the day of developing severe hypoxemic respiratory failure can predict hospital mortality.
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 | 0,008 | 0,014 |
| 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 ».