MétaCan
Menu
← Retour à la cohorte
Enregistrement W2793612873 · doi:10.1093/jcag/gwy008.323

A322 ALBUMIN MODIFIED BODY MASS INDEX FOR THE ASSESSMENT OF CIRRHOTIC PATIENTS UNDERGOING ORTHOTOPIC LIVER TRANSPLANT

2018· article· en· W2793612873 sur OpenAlexaffabout
Christian F. Rueda‐Clausen, Filipe S. Cardoso, Norman Kneteman, Constantine Karvellas, Sander Veldhuyzen van Zanten

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineBody mass indexInternal medicineHypoalbuminemiaAscitesProportional hazards modelHazard ratioCirrhosisCohortGastroenterologySurgeryConfidence interval

Résumé

récupéré en direct d'OpenAlex

Body Mass Index [BMI: weight(kg)/height(m)2] has been previously identified a key predictor of mortality in orthotopic liver transplant (OLT) recipients. However, the interpretation of BMI in subjects with cirrhosis is rather controversial due to ascites/anasarca-induced errors. Albumin modified BMI (amBMI= BMI*albumin/40) is an alternative parameter that corrects BMI for potential third spacing in patients with significant hypoalbuminemia. To compare the 5yrs-mortality prediction and discriminatory value of amBMI vs. traditional BMI in cirrhotic subjects undergoing OLT. This single center retrospective cohort study included subjects undergoing OLT at the University of Alberta between 2002–2012. Clinical information was extracted from a dedicated computerized database (OTTR) and audited. The primary outcome was all-cause mortality and/or graft failure at 5 years. Bland-Altman plots and linear correlation between methods were estimated. Prediction models were constructed using Cox proportional hazard regression techniques. Change in models performance using BMI and amBMI was evaluated. Models assumptions and discrimination capacity were tested. Ethics approval was obtained from the local ethics board. A cohort of 524 patients (mean follow-up time 3.1y and 130 (24.9%) events) was assembled. Baseline characteristics include (median[IQR]): age 54[48–59]y, male sex 68%, MELD-score 15[11–23], BMI 25 [23–28], serum albumin 34[30–39]g/L and amBMI 21[18–25]. Cirrhosis aetiologies included HCV(24%), HCC(21%), cholestasis(18%), alcohol(13%) and NASH(8%). Correlation between BMI and amBMI was 71%, (p<0.0001) linear regression and Bland-Altman plots are presented in figures A and B. BMI categories classification concordance between methods was 34%. in 47% of cases amBMI corresponds to a lower BMI category compared to conventional BMI. Compared to conventional BMI, amBMI classified more patients as Underweight ([BMI<18.5] 31 vs 5%, p<0.01) or Severely Underweight ([BMI<16], 14 vs. 0.6%, p<0.001). Despite the significant change in BMI assessment with the two methods, substitution of BMI by amBMI in current survival prediction models did not improve the accuracy nor discrimination capacity of the models. (C2= 21.5, p=0.0007, C-index 0.61 with amBMI vs. C2= 26.2, p=0.0001, C-index 0.63 with BMI). Anthropometric nutritional assessment of patients with cirrhosis can be challenging due to third spacing induced error. amBMI can differ significantly from BMI in this population and may provide an alternative parameter to assess health status and nutrition in this patients. In our OLT cohort, using amBMI instead of conventional BMI did not improve the discriminatory capacity of current models to predict mortality. CAGAlberta Innovates Health Solutions (AIHS)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,237 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of Gastroenterology→Même sujetLiver Disease Diagnosis and Treatment→Travaux en français237 207→