← Retour à la cohorte
Integration of the Duke Activity Status Index into preoperative risk evaluation: a multicentre prospective cohort study
Duminda N. Wijeysundera, W. Scott Beattie, Graham S. Hillis, Tom Abbott, Mark Shulman, Gareth L. Ackland, C. David Mazer, Paul S. Myles, Rupert M. Pearse, Brian H. Cuthbertson, P.S. Myles, Sophie Wallace, Paddy Farrington, Bruce Thompson, Mathew J. Ellis, B. Borg, Ross Kerridge, Janice G. Douglas, James R. Brannan, Jeffrey J. Pretto, M.G. Godsall, N. Beauchamp, Sandra L. Allen, A. Kennedy, E. Wright, J. Malherbe, Hilmy Ismail, Bernhard Riedel, Andrew Melville, H. Sivakumar, A. Murmane, K. Kenchington, Y. Kirabiyik, Usha Gurunathan, C. Stonell, K. Brunello, Katherine T. Steele, Oystein Tronstad, P. Masel, Annette Dent, Emma Smith, A Bodger, M. Abolfathi, P Sivalingam, Andrew P. Hall, Thomas Painter, S. Macklin, Adrian D. Elliott, Anna María Claverol Carrera, N Terblanche, Susan C. Pitt, Jason M. Samuels, C. Wilde, Kate Leslie, Andrew MacCormick, David E. Bramley, Anne Marie Southcott, Jonathan Grant, H. Taylor, Samantha Bates, Michael Towns, Anna Tippett, Fray F. Marshall, J. Kunasingam, Anmol Yagnik, C. Crescini, S. Yagnik, Colin J. L. McCartney, Stephen Choi, Priya Somascanthan, K. Flores, Keyvan Karkouti, Hance Clarke, Angela Jerath, Stuart A. McCluskey, Marcin Wąsowicz, Lauren Day, Janneth Pazmino‐Canizares, Paul Oh, R. Belliard, L. Lee, K. Dobson, Vincent Chan, Richard Brull, Noam Ami, Matthew B. Stanbrook, K. Hagen, Douglas Campbell, Timothy G. Short, J. Van Der Westhuizen, Kushlin Higgie, Helen Lindsay, R. Jang, Chris Ho Ming Wong, Davina McAllister, M Ali, Jitendra Kumar, Ellen Waymouth, C. Kim, J. Dimech, Michelle Lorimer, Joyce Tai, R. Miller, R. Sara, A. Collingwood, Sue Olliff, S. Gabriel, Helen Houston, Paul Dalley, Sally Hurford, Anna Hunt, Lynn Andrews, Leanlove Navarra, A. Jason-Smith, N. McMillan, G. Back, Bernard Croal, M. Lum, Daniel Martín, Sarah‐Naomi James, Helder Filipe, M. Pinto, S. Kynaston, M. Phull, Christian M. Beilstein, Phoebe Bodger, Kirsty Everingham, Ya‐Han Hu, Edyta Niebrzegowska, C. Corriea, Thais Creary, Marta Januszewska, Tahania Ahmad, J. Whalley, Richard Haslop, Jane E. McNeil, A. Brown, Neil MacDonald, M. Pakats, Kathryn Greaves, Shaman Jhanji, R. Raobaikady, Ethel Black, Martin Rooms, H. Lawrence, Maria Koutra, Katrina Pirie, M. Gertsman, Sandy Jack, Michael Celinski, Denny Levett, Marcia Edwards, Karen Salmon, Clare Bolger, Lisa Loughney, Leanne Seaward, Hannah Collins, B. Tyrell, N. Tantony, Kim Golder, Robert Stephens, L. Gallego-Paredes, Anna Reyes, Ana Gutierrez del Arroyo, Ashok Raj, Rhiannon Lifford, Elizabeth Torres, A. Ambosta, Magda Melo, Muhammad Mamdani, Kevin E. Thorpe, Michael P. W. Grocott, Harindra C. Wijeysundera
Notice bibliographique
RevueBritish Journal of Anaesthesia · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac, Anesthesia and Surgical Outcomes
Établissements canadiensToronto Western HospitalHealth Sciences CentreToronto Rehabilitation InstituteSunnybrook Health Science CentreUniversity of TorontoUniversity Health NetworkToronto General HospitalSt. Michael's Hospital
Organismes subventionnairesDepartment of Family and Community Medicine, University of TorontoMedical Research CouncilCanadian Institutes of Health ResearchOntario Ministry of Research, Innovation and ScienceUnited Kingdom Clinical Research CollaborationMonash UniversityOntario Ministry of Research and InnovationRoyal College of AnaesthetistsNational Institute for Health and Care ResearchToronto East General Hospital FoundationUniversity of TorontoRoyal College of Physicians and Surgeons of CanadaBritish Heart FoundationMedical Research Council CanadaNational Institute of Academic AnaesthesiaOntario Ministry of Health and Long-Term CareAustralian and New Zealand College of AnaesthetistsHeart and Stroke Foundation of Canada
Mots-clésMedicineOdds ratioConfidence intervalInternal medicineMyocardial infarctionCohort studyProspective cohort studyCohortLogistic regressionOddsPhysical therapyCardiology
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,045
Score d'incertitude au seuil0,448
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,001 |
| 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.
Tête enseignante Opus0,008
Tête enseignante GPT0,273
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations164
Publié2019
Routes d'admission2
Résumé présentnon