A clinical tool to calculate post‐transplant survival using pre‐transplant clinical characteristics in adults with cystic fibrosis
Notice bibliographique
Résumé
Abstract Background We previously identified factors associated with a greater risk of death post‐transplant. The purpose of this study was to develop a clinical tool to estimate the risk of death after transplant based on pre‐transplant variables. Methods We utilized the Canadian CF registry to develop a nomogram that incorporates pre‐transplant clinical measures to assess post‐lung transplant survival. The 1‐, 3‐, and 5‐year survival estimates were calculated using Cox proportional hazards models. Results Between 1988 and 2012, 539 adult Canadians with CF received a lung transplant with 208 deaths in the study period. Four pre‐transplant factors most predictive of poor post‐transplant survival were older age at transplantation, infection with B. cepacia complex, low FEV 1 percent predicted, and pancreatic sufficiency. A nonlinear relationship was found between risk of death and FEV 1 percent predicted, age at transplant, and BMI . We constructed a risk calculator based on our model to estimate the 1‐, 3‐, and 5‐year probability of survival after transplant which is available online. Conclusions Our risk calculator quantifies the risk of death associated with lung transplant using pre‐transplant factors. This tool could aid clinicians and patients in the decision‐making process and provide information regarding the timing of lung transplantation.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».