Identifying risk factors for progression to critical care admission and death among individuals with acute pancreatitis: a record linkage analysis of Scottish healthcare databases
Notice bibliographique
Résumé
OBJECTIVES: Acute pancreatitis (AP) can initiate systemic complications that require support in critical care (CC). Our objective was to use the unified national health record to define the epidemiology of AP in Scotland, with a specific focus on deterministic and prognostic factors for CC admission in AP. SETTING: Health boards in Scotland (n=4). PARTICIPANTS: We included all individuals in a retrospective observational cohort with at least one episode of AP (ICD10 code K85) occurring in Scotland from 1 April 2009 to 31 March 2012. 3340 individuals were coded as AP. METHODS: Data from 16 sources, spanning general practice, community prescribing, Accident and Emergency attendances, hospital in-patient, CC and mortality registries, were linked by a unique patient identifier in a national safe haven. Logistic regression and gamma models were used to define independent predictive factors for severe AP (sAP) requiring CC admission or leading to death. RESULTS: 2053 individuals (61.5% (95% CI 59.8% to 63.2%)) met the definition for true AP (tAP). 368 patients (17.9% of tAP (95% CI 16.2% to 19.6%)) were admitted to CC. Predictors of sAP were pre-existing angina or hypertension, hypocalcaemia and age 30-39 years, if type 2 diabetes mellitus was present. The risk of sAP was lower in patients with multiple previous episodes of AP. In-hospital mortality in tAP was 5.0% (95% CI 4.1% to 5.9%) overall and 21.7% (95% CI 19.9% to 23.5%) in those with tAP necessitating CC admission. CONCLUSIONS: National record-linkage analysis of routinely collected data constitutes a powerful resource to model CC admission and prognosticate death during AP. Mortality in patients with AP who require CC admission remains high.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».