MétaCan
Menu
Retour à la cohorte
Enregistrement W2610066140 · doi:10.6004/jnccn.2017.0032

Short-Form Charlson Comorbidity Index for Assessment of Perioperative Mortality After Radical Cystectomy

2017· article· en· W2610066140 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of the National Comprehensive Cancer Network · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBladder and Urothelial Cancer Treatments
Établissements canadiensMcGill UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineCystectomyComorbidityCohortAkaike information criterionInternal medicineLogistic regressionRetrospective cohort studyHazard ratioPopulationCharlson comorbidity indexPerioperativeProportional hazards modelBladder cancerDatabaseSurgeryCancerConfidence intervalStatistics

Résumé

récupéré en direct d'OpenAlex

The Deyo adaptation of the Charlson comorbidity index (DaCCI), which relies on 17 comorbid condition groupings, represents one of the most frequently used baseline comorbidity assessment tools in retrospective database studies. However, this index is not specific for patients with bladder cancer (BCa) treated with radical cystectomy (RC). The goal of this study was to develop a short-form of the original DaCCI (DaCCI-SF) that may specifically predict 90-day mortality after RC, with equal or better accuracy. Patients and Methods: Between 2000 and 2009, we identified 7,076 patients in the SEER-Medicare database with stage T1 through T4 nonmetastatic BCa treated with RC. We randomly divided the population into development (n=6,076) and validation (n=1,000) cohorts. Within the development cohort, logistic regression models tested the ability to predict 90-day mortality with various iterations of the DaCCI-SF, wherein <17 original comorbid condition groupings were included after adjusting for age, sex, race, T stage, and N stage. We relied on the Akaike information criterion to identify the most parsimonious and informative set of comorbid condition groupings. Accuracy of the DaCCI and the DaCCI-SF was tested in the external validation cohort. Results: Within the development cohort, the most parsimonious and informative model resulted in the inclusion of 3 of the 17 (17.6%) original comorbid condition groupings: congestive heart failure, cerebrovascular disease, and chronic pulmonary disease. Within the validation cohort, the accuracy was 68.4% for the DaCCI versus 69.7% for the DaCCI-SF. Higher accuracy of the DaCCI-SF was confirmed in subgroup analyses performed according to age (75 vs >75 years), stage (organ-confined vs non-organ-confined), type of diversion (ilealconduit vs non-ileal-conduit), and treatment period. Conclusions: DaCCI-SF relies on 17.6% of the original comorbid condition groupings and provides higher accuracy for predicting 90-day mortality after RC compared with the original DaCCI, especially in most contemporary patients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,427
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle