Prognosticating with the Hospitalized‐patient One‐year Mortality Risk Score Using Information Abstracted from the Medical Record
Notice bibliographique
Résumé
BACKGROUND: Predicting death risk in patients with diverse conditions is difficult. The Hospitalized-patient One-year Mortality Risk (HOMR) score accurately determines death risk in adults admitted to hospital using health administrative data unavailable to clinicians and most researchers. OBJECTIVE: Determine if HOMR is valid when calculated using data abstracted directly from the medical record. DESIGN: Medical record review linked to population-based administrative data. PARTICIPANTS: 4996 adults admitted in 2011 to a nonpsychiatric service at a tertiary hospital. MAIN MEASURES: From the chart, we abstracted information required to calculate the HOMR score and linked to population-based mortality data to determine vital status within 1 year of admission date. KEY RESULTS: Patients had a mean age of 55.6 (standard deviation [SD], 20.7) with 563 (11.3%) dying. The mean chart HOMR score was 22 (SD, 12) and significantly predicted death risk; a 1-point increase in HOMR increased death odds by 19% (odds ratio, 1.192;, 95% confidence interval [CI], 1.175-1.210;, P < 0.0001). Chart HOMR was strongly discriminative ( C statistic 0.888) and well calibrated (Hosmer-Lemeshow goodness-of-fit test, 12.9; P = 0.11). The observed death risk was strongly associated with expected death risk (calibration slope, 1.02; 95% CI, 0.89-1.16). Notation of delirium or falls on admitting notes or dependence for at least 1 activity of daily living were each associated with 1-year death risk independent of the HOMR score. CONCLUSIONS: One-year mortality risk can be accurately determined in adults admitted to hospital with the HOMR score calculated using information abstracted from the medical record. Patient functional status was independently associated with death risk. Journal of Hospital Medicine 2017;12:224-230.
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 | 0,001 | 0,005 |
| 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 | 0,001 |
| 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 ».