Performance of International Classification of Diseases–based injury severity measures used to predict in-hospital mortality and intensive care admission among traumatic brain-injured patients
Notice bibliographique
Résumé
BACKGROUND: The International Classification of Diseases (ICD) is the main classification system used for population-based traumatic brain injury (TBI) surveillance activities but does not contain direct information on injury severity. International Classification of Diseases-based injury severity measures can be empirically derived or mapped to the Abbreviated Injury Scale, but no single approach has been formally recommended for TBI. OBJECTIVE: The aim of this study was to compare the accuracy of different ICD-based injury severity measures for predicting in-hospital mortality and intensive care unit (ICU) admission in TBI patients. METHODS: We conducted a population-based retrospective cohort study. We identified all patients 16 years or older with a TBI diagnosis who received acute care between April 1, 2006, and March 31, 2013, from the Quebec Hospital Discharge Database. The accuracy of five ICD-based injury severity measures for predicting mortality and ICU admission was compared using measures of discrimination (area under the receiver operating characteristic curve [AUC]) and calibration (calibration plot and the Hosmer-Lemeshow goodness-of-fit statistic). RESULTS: Of 31,087 traumatic brain-injured patients in the study population, 9.0% died in hospital, and 34.4% were admitted to the ICU. Among ICD-based severity measures that were assessed, the multiplied derivative of ICD-based Injury Severity Score (ICISS-Multiplicative) demonstrated the best discriminative ability for predicting in-hospital mortality (AUC, 0.858; 95% confidence interval, 0.852-0.864) and ICU admissions (AUC, 0.813; 95% confidence interval, 0.808-0.818). Calibration assessments showed good agreement between observed and predicted in-hospital mortality for ICISS measures. All severity measures presented high agreement between observed and expected probabilities of ICU admission for all deciles of risk. CONCLUSIONS: The ICD-based injury severity measures can be used to accurately predict in-hospital mortality and ICU admission in TBI patients. The ICISS-Multiplicative generally outperformed other ICD-based injury severity measures and should be preferred to control for differences in baseline characteristics between TBI patients in surveillance activities or injury research when only ICD codes are available. LEVEL OF EVIDENCE: Prognostic study, level III.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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 ».