Cardiovascular severe maternal morbidity in pregnant and postpartum women: development and internal validation of risk prediction models
Notice bibliographique
Résumé
OBJECTIVES: To develop and internally validate risk prediction models identifying women at risk for cardiovascular severe maternal morbidity (CSMM). DESIGN: A retrospective cohort study. SETTING: An obstetric teaching hospital between 2007 and 2017. POPULATION: A total of 89 681 delivery hospitalisations. METHODS: We created and evaluated two models, one predicting CSMM at delivery (delivery model) and the other predicting CSMM postpartum following discharge from delivery hospitalisation (postpartum CSMM). We assessed model discrimination and calibration and used bootstrapping for internal validation. MAIN OUTCOME MEASURES: Cardiovascular severe maternal morbidity comprised the following confirmed conditions: pulmonary oedema/acute heart failure, myocardial infarction, aneurysm, cardiac arrest/ventricular fibrillation, heart failure/arrest during surgery or procedure, cerebrovascular disorders, cardiogenic shock, conversion of cardiac rhythm and difficult-to-control severe hypertension. RESULTS: The delivery model contained 11 variables and 3 interaction terms. The strongest predictors were gestational hypertension, chronic hypertension, multiple gestation, cardiac lesions or valvular heart disease, maternal age ≥40 years and history of poor pregnancy outcome. The postpartum model comprised eight variables. The strongest predictors were severe pre-eclampsia, non-Hispanic Black race/ethnicity, chronic hypertension, gestational hypertension, non-severe pre-eclampsia and maternal age ≥40 years at delivery. The delivery and postpartum models had an area under the receiver operating characteristic curve of 0.87 (95% CI 0.85-0.89) and 0.85 (95% CI 0.80-0.90), respectively. Both models were adequately calibrated and performed well on internal validation. CONCLUSIONS: These tools may help providers to identify women at highest risk of CSMM and enable future prevention measures. TWEETABLE ABSTRACT: Risk assessment tools for cardiovascular severe maternal morbidity were developed and internally validated.
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 | 0,086 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».