Unbiased Recursive Partitioning to Stratify Patients with Acute Traumatic Spinal Cord Injuries: External Validity in an Observational Cohort Study
Notice bibliographique
Résumé
Clinical trials of novel therapies for acute spinal cord injury (SCI) are challenging because variability in spontaneous neurologic recovery can make discerning actual treatment effects difficult. Unbiased Recursive Partitioning regression with Conditional Inference Trees (URP-CTREE) is a novel approach developed through analyses of a large European SCI database (European Multicenter Study about Spinal Cord Injury). URP-CTREE uses early neurologic impairment to predict achieved motor recovery, with potential to optimize clinical trial design by optimizing patient stratification and decreasing sample sizes. We performed external validation to determine how well a previously reported URP-CTREE model stratified patients into distinct homogeneous subgroups and predicted subsequent neurologic recovery in an independent cohort. We included patients with acute cervical SCI level C4–C6 from a prospective registry at a quaternary care center from 2004–2018 ( n = 101) and applied the URP-CTREE model and evaluated Upper Extremity Motor Score (UEMS) recovery, considered correctly predicted when final UEMS scores were within a pre-specified threshold of 9 points from median; sensitivity analyses evaluated the effect of timing of baseline neurological examination. We included 101 patients, whose mean times from injury baseline and follow-up examinations were 6.1 days (standard deviation [SD] 17) and 235.0 days (SD 71), respectively. Median UEMS recovery was 7 points (interquartile range 2–12). One of the predictor variables was not statistically significant in our sample; one group did not fit progressively improving UEMS scores, and three of five groups had medians that were not significantly different from adjacent groups. Overall accuracy was 75%, but varied from 82% among participants whose examinations occurred at <12 h, to 64% at 12–24 h, and 58% at >24 h. A previous URP-CTREE model had limited ability to stratify an independent into homogeneous subgroups. Overall accuracy was promising, but may be sensitive to timing of baseline neurological examinations. Further evaluation of external validity in incomplete injuries, influence of timing of baseline examinations, and investigation of additional stratification strategies is warranted.
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 | 0,105 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».