Lactate and number of organ failures predict intensive care unit mortality in patients with acute‐on‐chronic liver failure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Patients with acute-on-chronic liver failure (ACLF) have high mortality rates. Most prognostic scores were not developed for the intensive care unit (ICU) setting. We aimed to improve risk stratification for patients with ACLF in the ICU. METHODS: A training set with 240 patients with cirrhosis and organ failures (Chronic Liver Failure Sequential Organ Failure Assessment score [CLIF-SOFA]) from Curry Cabral Hospital (Portugal) and University of Alberta Hospital (Canada) in 2010-2016 was used to derive a prognostic model for ICU mortality. A validation set with 237 patients with cirrhosis and organ failures from Vancouver General Hospital (Canada) in 2000-2011 was used to evaluate its performance. RESULTS: Amongst patients in the training set, ICU and hospital mortality rates were 39.2% and 54.6% respectively. Median lactate (4.4 vs 2.5 mmol/L) and number of organ failures (3 vs 2) on admission to ICU were associated with higher likelihood of ICU mortality (P < 0.001 for both). The lactate and organ failures predictive model (LacOF) was derived to predict ICU mortality: -2.420 + 0.072 × lactate + 0.569 × number of organ failures (area under-the-curve [AUC], 0.76). In the validation set, the LacOF model discriminative ability (AUC, 0.85) outperformed the CLIF-SOFA (AUC, 0.79), Chronic Liver Failure Consortium Acute-on-Chronic Liver Failure (AUC, 0.73), Model for End-stage Liver Disease score (AUC, 0.78) and Acute Physiology and Chronic Health Evaluation II scores (AUC, 0.74; P < 0.05 for all). The LacOF model calibration was good up to the 25% likelihood of ICU mortality. CONCLUSIONS: In patients with ACLF, lactate and number of organ failures on admission to ICU are useful to predict ICU mortality. This early prognostic evaluation may help to better stratify the risk of ICU mortality and thus optimize organ support strategies.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle