Development of a Pediatric Risk Assessment Score to Predict Perioperative Mortality in Children Undergoing Noncardiac Surgery
Notice bibliographique
Résumé
BACKGROUND: Although there have been numerous attempts to predict perioperative mortality in adults, an objective model to predict mortality in children has not been developed. In this study, we aimed to develop a Pediatric Risk Assessment (PRAm) score to predict perioperative mortality in children undergoing noncardiac surgery. METHODS: We included all children recorded in the 2012 and 2013 American College of Surgeons National Surgical Quality Improvement Program Pediatric databases in a derivation cohort and those from the 2014 database in a validation cohort. The primary outcome was the incidence of in-hospital mortality. A total of 115,229 (63%) were included in the derivation cohort and 68,194 (37%) in the validation cohort. We used multivariable logistic regression to determine the predictors for mortality and designed the PRAm score. RESULTS: On the basis of the multivariable regression model, we created a simplified risk assessment tool (PRAm score) ranging from 0 to ≥9, including the presence of any comorbidities, factors of critical illness, age <12 months, the requirement for an urgent procedure, and the diagnosis of a neoplasm. The PRAm score showed an excellent discriminative ability with an apparent "optimistic" area under the receiver operating characteristic curve (AUC) of 0.950 (95% confidence interval [CI], 0.942-0.957) in the derivation cohort. In the validation cohort, we observed similar performances with an area under the "naive" receiver operating characteristic curve of 0.950 (95% CI, 0.938-0.961). The AUC was also calculated from a bootstrap procedure and then applied to the original derivation sample to estimate "optimism" for each bootstrap sample with an AUC of 0.943 (95% CI, 0.929-0.9956). The optimism in apparent performance was 0.007, corresponding to an optimism-corrected area of 0.943. Calibration was assessed graphically by plotting the observed outcome against the predicted mortality (Pearson correlation coefficient = 0.995, calibration in the large = 0.001 [P = .974], calibration slope = 0.927). CONCLUSIONS: In this study, we developed a simplified PRAm tool (PRAm score) as a predictor of perioperative mortality in children undergoing noncardiac surgery. The PRAm score has excellent accuracy. In patients assigned American Society of Anesthesiologists physical status classification ≥4, there is wide variability in objectively obtained PRAm scores.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».