Prediction of independence in bowel function after spinal cord injury: validation of a logistic regression model
Notice bibliographique
Résumé
STUDY DESIGN: Retrospective analysis of prospectively collected data. OBJECTIVES: Recently, logistic regression models were developed to predict independence in bowel function 1 year after spinal cord injury (SCI) on a multicenter European SCI (EMSCI) dataset. Here, we evaluated the external validity of these models against a prospectively accrued North American SCI dataset. SETTING: Twenty-five SCI centers in the United States and Canada. METHODS: Two logistic regression models developed by the EMSCI group were applied to data for 277 patients derived from three prospective multicenter SCI studies based in North America. External validation was evaluated for both models by assessing their discrimination, calibration, and clinical utility. Discrimination and calibration were assessed using ROC curves and calibration curves, respectively, while clinical utility was assessed using decision curve analysis. RESULTS: The simplified logistic regression model, which used baseline total motor score as the predictor, demonstrated the best performance, with an area under the ROC curve of 0.869 (95% confidence interval: 0.826-0.911), a sensitivity of 75.5%, and a specificity of 88.5%. Moreover, the model was well calibrated across the full range of observed probabilities and displayed superior clinical benefit on the decision curve. CONCLUSIONS: A logistic regression model using baseline total motor score as a predictor of independent bowel function 1 year after SCI was successfully validated against an external dataset. These findings provide evidence supporting the use of this model to enhance the care for individuals with SCI.
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 | 0,037 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».