Performance of a Statistical Model to Predict Stroke Outcome in the Context of a Large, Simple, Randomized, Controlled Trial of Feeding
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Statistical models to predict the outcome of stroke patients have several uses. Their utility depends on their predictive accuracy in patients other than those on whom they were developed (ie, external validity). We sought to test the external validity of some recently described models in patients enrolled in the FOOD (Feed Or Ordinary Diet) trial: a large randomized trial evaluating feeding policies in patients with stroke. METHODS: The predictive variables were collected during a telephone call to randomize the patient a median of 5 days after stroke onset. Patients were followed up 6 months later to establish their survival, functional status, and residence. Charts were plotted to demonstrate the discrimination and calibration of the models. RESULTS: The models performed well in the first 2955 patients enrolled and followed up in the FOOD trial. The area under the receiver operating characteristic curves varied between 0.78 and 0.81 (with 0.5 indicating no discrimination and 1.0 indicating perfect discrimination). The discrimination was marginally better for patients enrolled within the first day of stroke than later. The models tended to provide rather pessimistic predictions in all groups except those predicted to have a high likelihood of surviving free of dependency. CONCLUSIONS: As one might predict, the discriminatory power in the selected cohort of trial patients was marginally less good than in previously studied unselected cohorts used to test their external validity. These models provide a well-tested tool for stratification in trials, comparing outcomes in different cohorts and examining the additional predictive power of novel factors.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».