Development and validation of the Cambridge Multimorbidity Score
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Health services have failed to respond to the pressures of multimorbidity. Improved measures of multimorbidity are needed for conducting research, planning services and allocating resources. METHODS: = 150 000) samples from the UK Clinical Practice Research Datalink. We constructed a general-outcome multimorbidity score by averaging the standardized weights of the separate outcome scores. We compared performance with the Charlson Comorbidity Index. RESULTS: Models that included all 37 conditions were acceptable predictors of general practitioner consultations (C-index 0.732, 95% confidence interval [CI] 0.731-0.734), unplanned hospital admission (C-index 0.742, 95% CI 0.737-0.747) and death at 1 year (C-index 0.912, 95% CI 0.905-0.918). Models reduced to the 20 conditions with the greatest combined prevalence/weight showed similar predictive ability (C-indices 0.727, 95% CI 0.725-0.728; 0.738, 95% CI 0.732-0.743; and 0.910, 95% CI 0.904-0.917, respectively). They also predicted 5-year outcomes similarly for consultations and death (C-indices 0.735, 95% CI 0.734-0.736, and 0.889, 95% CI 0.885-0.892, respectively) but performed less well for admissions (C-index 0.708, 95% CI 0.705-0.712). The performance of the general-outcome score was similar to that of the outcome-specific models. These models performed significantly better than those based on the Charlson Comorbidity Index for consultations (C-index 0.691, 95% CI 0.690-0.693) and admissions (C-index 0.703, 95% CI 0.697-0.709) and similarly for mortality (C-index 0.907, 95% CI 0.900-0.914). INTERPRETATION: The Cambridge Multimorbidity Score is robust and can be either tailored or not tailored to specific health outcomes. It will be valuable to those planning clinical services, policymakers allocating resources and researchers seeking to account for the effect of multimorbidity.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 découle