Comparing Five Comorbidity Indices to Predict Mortality in Chronic Kidney Disease: A Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Several different indices summarize patient comorbidity using health care data. An accurate index can be used to describe the risk profile of patients, and as an adjustment factor in analyses. How well these indices perform in persons with chronic kidney disease (CKD) is not well known. OBJECTIVE: Assess the performance of 5 comorbidity indices at predicting mortality in 3 different patient groups with CKD: incident kidney transplant recipients, maintenance dialysis patients, and individuals with low estimated glomerular filtration rate (eGFR). DESIGN: Population-based retrospective cohort study. SETTING: Ontario, Canada, between 2004 and 2014. PATIENTS: . MEASUREMENTS: Five comorbidity indices: Charlson comorbidity index, end-stage renal disease-modified Charlson comorbidity index, Johns Hopkins' Aggregated Diagnosis Groups score, Elixhauser score, and Wright-Khan index. Our primary outcome was 1-year all-cause mortality. METHODS: Comorbidity indices were estimated using information in the prior 2 years. Each group was randomly divided 100 times into derivation and validation samples. Model discrimination was assessed using median c-statistics from logistic regression models, and calibration was evaluated graphically. RESULTS: We identified 4111 kidney transplant recipients, 23 897 individuals receiving maintenance dialysis, and 181 425 individuals with a low eGFR. Within 1 year, 108 (2.6%), 4179 (17.5%), and 17 898 (9.9%) in each group had died, respectively. In the validation sample, model discrimination was inadequate with median c-statistics less than 0.7 for all 5 comorbidity indices for all 3 groups. Calibration was also poor for all models. LIMITATIONS: The study used administrative health care data so there is the potential for misclassification. Indices were modeled as continuous scores as opposed to indicators for individual conditions to limit overfitting. CONCLUSIONS: Existing comorbidity indices do not accurately predict 1-year mortality in patients with CKD. Current indices could be modified with additional risk factors to improve their performance in CKD, or a new index could be developed for this population.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».