P6064Steroids in cardiac surgery (SIRS): infection substudy
Notice bibliographique
Résumé
Background: Infections following cardiac surgery result in significant morbidity, mortality and healthcare cost. To target populations for prophylactic interventions, clinicians are interested in predictors of post-operative infections. Methods: Steroids in Cardiac Surgery (SIRS) was a multi-centre randomized controlled trial assessing the intraoperative use of methylprednisone during cardiac surgery. 7507 patients were enrolled in 80 centers and 18 countries. Using the participants as a cohort, we aimed to identify independent risk factors for post-operative wound infections. We excluded those who did not undergo surgery, died intraoperatively or within 48 hours of operation. Patients were identified as having developed “surgical site infection” or not by postoperative day 30. Using hypothesized and known risk factors, we created a binary logistic regression model using a forward step-wise entry model. Results: Follow-up at 30 days was complete for all patients; 7406 were included in the cohort. Risk factors significant at the p<0.05 level include: diabetes managed with insulin (aOR: 1.53, 95% CI: 1.12–2.10), oral hypoglycemics (1.58, 1.16–2.13), or diet (1.66, 1.05–2.62), female gender (1.32, 1.04–1.70), renal failure with (2.05, 1.07–3.95), and without (1.52, 1.06–2.17) dialysis, >96 minutes cardiopulmonary bypass (CPB) time (1.86, 1.45–2.38), BMI >30.49 (1.56, 1.22–1.99), peak ICU blood-sugar (mmol/L) (1.02, 1.00–1.04), dual-antiplatelet therapy (1.44, 1.01–2.05), CABG operation type (2.55, 1.84–3.54).
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».