Abstract 20153: Predicting the Need for Transfusions in Endovascular Aneurysm Repair (EVAR)
Notice bibliographique
Résumé
Purpose: The majority of patients undergoing EVAR do not require blood transfusion, yet blood type and screen (T&S) is routinely performed. Identifying patients in whom T&S can be avoided presents a substantial cost saving opportunity. Hypothesis: We hypothesized that intraoperative blood transfusions can be predicted preoperatively. Methods: Using the Vascular Study Group of New England database from 2003-2014, we performed a retrospective review of 4700 patients who underwent EVAR. The cohort was split randomly into a training (60%) and validation (40%) set. A backwards logistic regression analysis was performed to identify predictors of intraoperative blood transfusion in the training set. The model was then tested in the validation set to estimate the receiver operating curves (ROC) and goodness of fit. Results: Preoperative hemoglobin, urgency (elective, symptomatic, or ruptured), age, maximal anterior-posterior AAA diameter, female gender, and history of CHF (asymptomatic, mild, moderate, or severe) were all significant predictors of intraoperative blood transfusions. The c-statistic for our model was .82 in the training set and .84 in the validation set, and the Hosmer-Lemenshow goodness-of-fit statistic was 0.99. Conclusions: Intraoperative blood transfusions can be routinely predicted preoperatively. Avoidance of T&S in low risk populations provides a substantial cost-saving opportunity.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».