Model for End‐Stage Liver Disease‐Lactate and Prediction of Inpatient Mortality in Patients With Chronic Liver Disease
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».