A transformation of oxygen saturation (the saturation virtual shunt) to improve clinical prediction model calibration and interpretation
Notice bibliographique
Résumé
ABSTRACT Background The relationship between peripheral oxygen saturation (SpO 2 ) and the inspired oxygen concentration is non-linear. SpO 2 is frequently used as a dichotomized predictor, to manage this non-linearity. We propose the saturation virtual shunt (VS) as a transformation of SpO 2 to a continuous linear variable to improve interpretation of disease severity within clinical prediction models. Method We calculate the saturation VS based on an empirically derived approximation formula between physiological VS and SpO 2 . We evaluated the utility of the saturation VS in a clinical study predicting the need for facility admission in children in a low resource health-care setting. Results The transformation was saturation VS = 68.864*log 10 (103.711 − SpO 2 ) −52.110 . The ability to predict hospital admission based on a dichotomized SpO 2 produced an area under the receiver operating characteristic curve of 0.57, compared to 0.71 based on the untransformed SpO 2 and saturation VS . However, the untransformed SpO 2 demonstrated a lack of fit compared to the saturation VS (goodness-of-fit test p-value <0.0001 versus 0.098). The observed admission rates varied non-linearly with the untransformed SpO 2 but varied linearly with the saturation VS. Conclusion The saturation VS estimates a continuous linearly interpretable disease severity based on SpO 2 and improves clinical prediction.
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 | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,003 | 0,001 |
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 ».