Peak urea level, leukocyte count and use of invasive ventilation as risk factors of mortality in acute pancreatitis: A retrospective study
Notice bibliographique
Résumé
BACKGROUND: Acute pancreatitis (AP) is associated with high complications. Early, reliable prediction of mortality may improve patient management. METHODS: We retrospectively reviewed medical records of 1,599 patients with AP treated at a single large hospital in southwest China. Models to predict mortality were derived from a subset of 1,062 patients (development dataset), and the models were then validated in the remaining 537 patients (validation dataset). Independent risk factors and prediction models for mortality were identified using logistic regression. RESULTS: A total of 33 patients in the development dataset and 13 in the validation dataset died during hospitalization. Independent risk factors for mortality were found to be plasma urea levels, glucose levels and platelet counts at admission; as well as peak urea levels, leukocyte counts and use of invasive ventilation during hospitalization. Based on the development dataset, a mortality prediction model based only on urea level at admission gave an area under the curve (AUC) of 0.81, which did not significantly improve by incorporating glucose level or platelet count at admission. Significantly better was a model taking into account three in-hospital parameters: peak urea level, leukocyte count and use of invasive ventilation (AUC 0.97). CONCLUSIONS: While mortality of AP patients can be predicted reasonably well based only on urea values at admission, predictions are more reliable when they take into account in-hospital data on peak urea level, leukocyte count and use of invasive ventilation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».