MétaCan
Menu
Retour à la cohorte
Enregistrement W3008230024 · doi:10.1002/hep.31199

Model for End‐Stage Liver Disease‐Lactate and Prediction of Inpatient Mortality in Patients With Chronic Liver Disease

2020· article· en· W3008230024 sur OpenAlexafffund
Naveed Sarmast, Gerald Ogola, Maria Kouznetsova, Michael D. Leise, Ranjeeta Bahirwani, Rakhi Maiwall, Elliot B. Tapper, James F. Trotter, Jasmohan S. Bajaj, Leroy R. Thacker, Puneeta Tandon, Florence Wong, K. Rajender Reddy, Jacqueline G. O’Leary, Andrew L. Masica, Ariel Modrykamien, Patrick S. Kamath, Sumeet K. Asrani

Notice bibliographique

RevueHepatology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease and Transplantation
Établissements canadiensUniversity of TorontoUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaBaylor Health Care System FoundationHarvard UniversityEmory University
Mots-clésMedicineLiver diseaseChronic liver diseaseInternal medicineModel for End-Stage Liver DiseaseStage (stratigraphy)DiseaseGastroenterologyLiver transplantationCirrhosisBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Compared to other chronic diseases, patients with chronic liver disease (CLD) have significantly higher inpatient mortality; accurate models to predict inpatient mortality are lacking. Serum lactate (LA) may be elevated in patients with CLD due to both tissue hypoperfusion as well as decreased LA clearance. We hypothesized that a parsimonious model consisting of Model for End-Stage Liver Disease (MELD) and LA at admission may predict inpatient mortality in patients with CLD. APPROACH AND RESULTS: We examined all patients with CLD in two large and diverse health care systems in Texas (North Texas [NTX] and Central Texas [CTX]) between 2010 and 2015. We developed (n = 3,588) and validated (n = 1,804) a model containing MELD and LA measured at the time of hospitalization. We further validated the model in a second cohort of 14 tertiary care hepatology centers that prospectively enrolled nonelective hospitalized patients with cirrhosis (n = 726). MELD-LA was an excellent predictor of inpatient mortality in development (concordance statistic [C-statistic] = 0.81, 95% confidence interval [CI] 0.79-0.82) and both validation cohorts (CTX cohort, C-statistic = 0.85, 95% CI 0.78-0.87; multicenter cohort C-statistic = 0.82, 95% CI 0.74-0.88). MELD-LA performed especially well in patients with specific cirrhosis diagnoses (C-statistic = 0.84, 95% CI 0.81-0.86) or sepsis (C-statistic = 0.80, 95% CI 0.78-0.82). For MELD score 25, inpatient mortality rates were 11.2% (LA = 1 mmol/L), 19.4% (LA = 3 mmol/L), 34.3% (LA = 5 mmol/L), and >50% (LA > 8 mmol/L). A linear increase (P < 0.01) was seen in MELD-LA and increasing number of organ failures. Overall, use of MELD-LA improved the risk prediction in 23.5% of patients compared to MELD alone. CONCLUSIONS: MELD-LA (bswh.md/meldla) is an early and objective predictor of inpatient mortality and may serve as a model for risk assessment and guide therapeutic options.

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 enseignants

Ni 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,328
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,243
Écart entre enseignants0,211 · 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 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

Citations82
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHepatologyMême sujetLiver Disease and TransplantationTravaux en français237 207