The Usefulness of the APACHE II Score in Obstetric Critical Care: A Structured Review
Notice bibliographique
Résumé
OBJECTIVE: To assess the performance of the Acute Physiology and Chronic Health Evaluation II (APACHE II) mortality prediction model in pregnant and recently pregnant women receiving critical care in low-, middle-, and high-income countries during the study period (1985-2015), using a structured literature review. DATA SOURCES: Ovid MEDLINE, Embase, Web of Science, and Evidence-Based Medicine Reviews, searched for articles published between 1985 and 2015. STUDY SELECTION: Twenty-five studies (24 publications), of which two were prospective, were included in the analyses. Ten studies were from high-income countries (HICs), and 15 were from low- and middle-income countries (LMICs). Median study duration and size were six years and 124 women, respectively. DATA SYNTHESIS: ICU admission complicates 0.48% of deliveries, and pregnant and recently pregnant women account for 1.49% of ICU admissions. One quarter were admitted while pregnant, three quarters of these for an obstetric indication and for a median of three days. The median APACHE II score was 10.9, with a median APACHE II-predicted mortality of 16.6%. Observed mortality was 4.6%, and the median standardized mortality ratio was 0.36 (interquartile range 0.23 to 0.73). The standardized mortality ratio was < 0.9 in 24 of 25 studies. Women in HICs were more frequently admitted with a medical comorbidity but were less likely to die than were women in LMICs. CONCLUSION: The APACHE II score consistently overestimates mortality risks for pregnant and recently pregnant women receiving critical care, whether they reside in HICs or LMICs. There is a need for a pregnancy-specific outcome prediction model for these women.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,001 |
| 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 ».