Validation of an Automated Mortality Index using the Electronic Medical Record System in a Network of Acute Care Hospitals
Notice bibliographique
Résumé
Objective: Physicians struggle with prognostication for patients facing the final year of life. Practical tools which identify patients at the time of hospital admission who are at high risk of mortality would be helpful to provide timely access to supportive services, including palliative care and hospice. The PREDICT is a validated tool that predicts mortality risk but has not been implemented into electronic medical record (EMR) systems. The current study evaluated the validity of PREDICT within an EMR system and tracked patient mortality over 12 months.Methods: The study sample consisted of 3,488 adult patients admitted to a network of acute care hospitals. The PREDICT tool was evaluated for its ability to predict mortality within 6 and 12 months of hospitalization and was compared to the APR-DRG Mortality Risk Index (MRI).Results: A total of 299 patients (9%) were deceased within 12 months of hospital admission. Logistic regressions revealed that higher PREDICT scores were associated with greater risk of mortality within 6 and 12 months post-discharge. Receiver Operating Characteristic curve (ROC) analysis revealed that the overall PREDICT score significantly predicted mortality at 12 months (ROC = .767) and was a better predictor than the MRI.Conclusions: The PREDICT tool is a valid assessment of mortality risk and unlike the MRI, it can be readily automated in the EMR to help identify patients at greater risk of death. More research is needed to apply this tool in clinical practice and calibrate its performance across clinical settings.
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 | 0,013 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».