Assessing the Course of Organ Dysfunction Using Joint Longitudinal and Time-to-Event Modeling in the Vasopressin and Septic Shock Trial
Notice bibliographique
Résumé
Non-mortality septic shock outcomes (e.g., Sequential Organ Failure Assessment score) are important clinical endpoints in pivotal sepsis trials. However, comparisons of observed longitudinal non-mortality outcomes between study groups can be biased if death is unequal between study groups or is associated with an intervention (i.e., informative censoring). We compared the effects of vasopressin versus norepinephrine on the Sequential Organ Failure Assessment score in the Vasopressin and Septic Shock Trial to illustrate the use of joint modeling to help minimize potential bias from informative censoring. DESIGN: Secondary analysis of the Vasopressin and Septic Shock Trial data. SETTING: Twenty-seven ICUs in Canada, Australia, and United States. SUBJECTS: = 374). MEASUREMENTS AND MAIN RESULTS: = 0.25), and there was a positive association between higher Sequential Organ Failure Assessment scores and patient mortality, characteristics that suggest a potential for bias from informative censoring of Sequential Organ Failure Assessment scores by death. The best-fitting joint longitudinal (i.e., linear mixed-effects model) and survival (i.e., Cox proportional hazards model for the time-to-death) model showed that norepinephrine was associated with a more rapid improvement in the total Sequential Organ Failure Assessment score through day 4, and then the daily Sequential Organ Failure Assessment scores converged and overlapped for the remainder of the study period. CONCLUSIONS: Short-term reversal of organ dysfunction occurred more rapidly with norepinephrine compared with vasopressin, although differences between study arms did not persist after day 4. Joint models are an accessible methodology that could be used in critical care trials to assess the effects of interventions on the longitudinal progression of key outcomes (e.g., organ dysfunction, biomarkers, or quality of life) that may be informatively truncated by death or other censoring events.
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 | 0,033 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».