MétaCan
Menu
← Retour à la cohorte
Enregistrement W2977243682 · doi:10.14309/00000434-201410002-02295

C. difficile-Associated Risk of Death Score (CARDS): A Novel Risk Score to Predict Mortality Among Hospitalized Patients With C. difficile Infection: ACG Fellow Award

2014· article· en· W2977243682 sur OpenAlexaff
Zain Kassam, Camila Cribb Fabersunne, Mark Smith, Gilaad G. Kaplan, Geoffrey C. Nguyen, Ashwin N. Ananthakrishnan

Notice bibliographique

RevueThe American Journal of Gastroenterology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueClostridium difficile and Clostridium perfringens research
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionOdds ratioMultivariate analysisInternal medicineDiseaseDiabetes mellitusMultivariate statisticsFramingham Risk ScoreEmergency medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Introduction:C. difficile infection (CDI) is the leading health care-associated infection in the United States with significant associated mortality. Existing treatments for CDI vary in their absolute and relative efficacy based on severity of underlying disease; yet there are few objectively derived severity scores. Furthermore, development of an accurate scoring system to define severity across large administrative databases additionally allows for important comparisons in outcomes across populations and over time. Our aim was to develop a novel CDI risk score to predict mortality for clinicians and epidemiologists entitled: C. difficile associated risk of death score (CARDS). Methods: We obtained data from the 2011 nationwide inpatient sample (NIS) database, the largest source of all-payer hospital discharge information in the United States capturing data from 1,049 hospitals within 46 states. Standard international classification of disease, 9th Edition (ICD-9) was used to identify all patients with CDI (008.45). Multivariate logistic regression was utilized to identify independent predictors of mortality in patients with CDI. A risk score was calculated by assigning a numeric weight to each parameter based on their odds ratio (OR). Predictive properties of model discrimination were assessed using the c-statistic and CARDS compared to standard models. Results: We identified 343,982 hospitalizations with an associated diagnosis of CDI, 8% of whom died in the hospital. The 8 CARDS predictors identified on multivariate analysis were age, cardiopulmonary disease, malignancy, diabetes, inflammatory bowel disease, acute renal failure, liver disease, and intensive care admission (ICU) admission, with weights ranging from -1 (for diabetes) to 5 (for ICU admission). The overall risk score in the cohort ranged from 0 to 18. Mortality increased significantly as CARDS increased. CDI-associated mortality was 1% with CARDS=0; 4% with CARDS=5; 20% with CARDS=10; 47% with CARDS=15 and 100% with CARDS=18. The predictive test characteristic for CARDS was robust (c-statistic=0.77). CARDS performed better than age, sex, and Charlson co-morbidity index model (c-statistic=0.64) or age, sex, Charlson co-morbidity index, and ICU admission model (c-statistic= 0.73) in predicting CDI-associated mortality in hospitalized patients. Conclusion: CARDS is a promising risk score to predict mortality among hospitalized with CDI. It may be useful to stratify CDI severity and compare outcomes over time and across settings using administrative data. Disclosure - Dr. Ananthakrishnan - Scientific advisory board of Cubist Pharmaceuticals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,259
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Gastroenterology→Même sujetClostridium difficile and Clostridium perfringens research→Travaux en français237 207→