External validity of a model to predict postoperative atrial fibrillation after thoracic surgery
Notice bibliographique
Résumé
OBJECTIVES: A prediction model developed by Passman et al. stratifies patients' risk of postoperative atrial fibrillation (POAF) after major non-cardiac thoracic surgery using 3 simple factors (sex, age and preoperative resting heart rate). The model has neither undergone external validation nor proven to be relevant in current thoracic surgery practice. METHODS: A retrospective single-centre analysis of all patients who underwent major non-cardiac thoracic surgery (2008-2017) with prospective documentation of incidence and severity of POAF was used for external validation of Passman's derivation sample (published in 2005 with 856 patients). The model calibration was assessed by evaluating the incidence of POAF and patients' risk scores (0-6). RESULTS: A total of 2054 patients were included. Among them, POAF occurred in 164 (7.9%), compared to 147 (17.2%) in Passman's study. Differences in our sample compared to Passman's sample included mean heart rate (75.7 vs 73.7 bpm, P < 0.001), proportion of patients with hypertension (46.1 vs 29.4%, P < 0.001), proportion of extensive lung resections, particularly pneumonectomy (6.1 vs 21%, P < 0.001) and proportion of minimally invasive surgeries (56.6% vs 0%). The model demonstrated a positive correlation between risk scores and POAF incidence (risk score 1.2% vs 6.16%). CONCLUSIONS: The POAF model demonstrated good calibration in our population, despite a lower overall incidence of POAF compared to the derivation study. POAF rates were higher among patients with a higher risk score and undergoing procedures with greater intrathoracic dissection. This tool may be useful in identifying patients who are at risk of POAF when undergoing major thoracic surgery and may, therefore, benefit from targeted prophylactic therapy.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 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 ».