Establishment of a predictive model for inpatient sudden cardiac death in a Chinese cardiac department population
Notice bibliographique
Résumé
BACKGROUND: Little is known about the risk factors for sudden cardiac death (SCD) in the overall hospitalized cardiac department population. This study was conducted to investigate the risk factors and develop a predictive model for SCD in a hospitalized cardiac department population. METHODS: We conducted a retrospective study of patients admitted to the cardiac department of the First Affiliated Hospital of Xinjiang Medical University from June 2015 to February 2017. We collected the clinical data from medical records. Multiple stepwise logistic regression analysis was carried out to confirm the risk factors for SCD and develop a predictive risk model. The risk score was assessed by the area under receiver operating characteristic (AUROC) curve and the Hosmer-Lemeshow goodness-of-fit test. RESULTS: A total of 262 patients with SCD and 4485 controls were enrolled in our study. Logistic regression modeling identified eight significant risk factors for in-hospital SCD: age, main admitting diagnosis, diabetes, corrected QT interval, QRS duration, ventricular premature beat burden, left ventricular ejection fraction, and estimated glomerular filtration rate. A predictive risk score including these variables showed an AUROC curve of 0.774 (95% confidence interval: 0.744-0.805). The Hosmer-Lemeshow goodness-of-fit test showed the chi-square value was 2.527 (P = 0.640). The incidence of in-hospital SCD was 1.3%, 4.1%, and 18.6% for scores of 0 to 2, 3 to 5 and ≥6, respectively (P < 0.001). CONCLUSIONS: Age, main admitting diagnosis, diabetes, QTc interval, QRS duration, ventricular premature beat burden, left ventricular ejection fraction, and estimated glomerular filtration rate are factors related to in-hospital SCD in a hospitalized cardiac department population. We developed a predictive risk score including these factors that could identify patients who are predisposed to in-hospital SCD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».