A Clinical Risk Prediction Tool for Peritonitis-Associated Treatment Failure in Peritoneal Dialysis Patients
Notice bibliographique
Résumé
Abstract A tool to predict peritonitis-associated treatment failure among peritoneal dialysis (PD) patients has not yet been established. We conducted a multicentre, retrospective cohort study among 1,025 PD patients between 2006 and 2016 in Thailand to develop and internally validate such a tool. Treatment failure was defined as either a requirement for catheter removal, a switch to haemodialysis, or peritonitis-associated mortality. Prediction model performances were analysed using discrimination (C-statistics) and calibration (Hosmer-Lemeshow test) tests. Predictors were weighted to calculate a risk score. In total, 435 patients with 855 episodes of peritonitis were identified; 215 (25.2%) episodes resulted in treatment failure. A total risk score of 11.5 was developed including, diabetes, systolic blood pressure <90 mmHg, and dialysate leukocyte count >1,000/mm 3 and >100/mm 3 on days 3–4 and day 5, respectively. The discrimination (C-statistic = 0.92; 95%CI, 0.89–0.94) and calibration ( P > 0.05) indicated an excellent performance. No significant difference was observed in the internal validation cohort. The rate of treatment failure in the different groups was 3.0% (low-risk, <1.5 points), 54.4% (moderate-risk, 1.5–9 points), and 89.5% (high-risk, >9 points). A simplified risk-scoring scheme to predict treatment failure may be useful for clinical decision making regarding PD patients with peritonitis. External validation studies are needed.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».