Health-Related Quality of Life: A Rapid Predictor of Hospitalization in Patients With Cirrhosis
Notice bibliographique
Résumé
OBJECTIVES: Patients with cirrhosis experience a worsened quality of life; this may be quantified by the use of health-related QoL (HRQoL) constructs, such as the chronic liver disease questionnaire (CLDQ) and EuroQoL Group-visual analog scale (EQ-VAS). In this multicenter prospective study, we aimed to evaluate HRQoL as a predictor of unplanned hospital admission/early mortality, identify HRQoL domains most affected in cirrhosis, and identify predictors of low HRQoL in patients with cirrhosis. METHODS: Multivariable logistic regression was used to determine independent association of HRQoL with primary outcome and identify predictors of low HRQoL. HRQoL was also compared with population norms. RESULTS: In this cohort of 402 patients with cirrhosis, mean model for end-stage liver disease was 12.5 (4.9). More than 50% of the cohort had low HRQoL, considerably lower than population norms. HRQoL (measured by either CLDQ or EQ-VAS) was independently associated with the primary outcome of short-term unplanned hospitalization/mortality. Every 1-point increase in the CLDQ and every 10-point increase in the EQ-VAS reduced the risk of reaching this outcome by 30% and 13%, respectively. Patients with cirrhosis had lower HRQoL scores than population norms across all domains of the CLDQ. Younger age, female sex, current smoker, lower serum albumin, frailty, and ascites were independently associated with low CLDQ. DISCUSSION: Patients with cirrhosis experience poor HRQoL. HRQoL is independently associated with increased mortality/unplanned hospitalizations in patients with cirrhosis and could be an easy-to-use prognostic screen that patients could complete in the waiting room before their appointment.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».