Multitype Events and the Analysis of Heart Failure Readmissions
Notice bibliographique
Résumé
BACKGROUND: Heart failure-related hospital readmissions and mortality are often outcomes in clinical trials. Patients may experience multiple hospital readmissions over time with mortality acting as a dependent terminal event. Univariate composite end points are used for the analysis of readmissions. We may amend these approaches to include emergency department visits as a further outcome. An alternative multivariate modeling approach that categorizes hospital readmissions and emergency department visits as separate event types is proposed. METHODS AND RESULTS: We seek to compare the modeling approach which handles event types as separate, correlated end points against composites that amalgamate them to create a unified end point. Using a heart failure data set for illustration, a model with random effects for event types is estimated. The time-to-first event, unmatched win-ratio, and days-alive-and-out-of-hospital composites are derived for comparison. The model provides supplementary statistics such as the correlation among event types and yields considerably more power than the competing composite end points. CONCLUSIONS: The effect on individual outcomes is lost when they are intermingled to form a univariate composite. Simultaneously modeling different outcomes provides an alternative or supplementary analysis that may yield greater statistical power and additional insights. Improvements in software have made the multitype events model easier to implement and thus a useful, more efficient option when analyzing heart failure hospital readmissions and emergency department visits.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».