Abstract 329: Predicting Survival from Out-of-hospital Cardiac Arrest
Notice bibliographique
Résumé
Introduction: Prognostication is a significant challenge early in the post-cardiac arrest period. Common prognostic factors for neurological survival are unreliable (high false positive rates) until 72 hours post-cardiac arrest. It is not known whether there are a combination of factors that can be utilized earlier in the post-cardiac arrest period to accurately predict patient outcome. Our objective was to predict neurological outcome utilizing a novel combination of patient factors early in the post-cardiac arrest period. Methods: We conducted a retrospective cohort study using data from our local registry. We included adult patients who obtained a return of spontaneous circulation (ROSC) after out-of-hospital cardiac arrest (OHCA). We excluded patients who did not survive for at least 24 hours post-ROSC and those who had a do not resuscitate (DNR) order within 2 hours of ROSC. We performed an ordinal regression analysis using the proportional odds model to predict neurological outcome (modified rankin score (mRS)). We included a good neurological outcome (mRS 0-2), poor neurological outcome (mRS 3-5), and dead (mRS 6) as an ordinal outcome. We included a number of patient demographics, intra- and post-cardiac arrest factors as covariates in our model. The predictive performance of our model was analyzed using receiver operating characteristic (ROC) curves for discrimination and Brier statistic for calibration. Results: We included 3448 patients in our analysis. We found that an initial shockable rhythm (odds ratio (OR) 4.1; 95% confidence interval (CI) 3.6, 5.4), the absence of pupillary reflexes (OR 3.5; 95% CI 2.4,4.8) and maximum motor score on the Glasgow Coma Scale (GCS) (OR 1.5; 95% CI 1.4,1.6) had the greatest association with improved neurologic outcome. Longer duration of resuscitation was associate with worse outcomes (OR 0.84, 95% CI 0.82,0.87). The overall performance of our model was excellent with an area under the ROC curve of 0.89 and a Brier statistic of 0.13. Conclusion: Our model predicted good neurological outcome with a high rate of accuracy, however external validation of the model is required. This model may be useful to provide risk stratification of patients in clinical practice and future research on post-cardiac arrest care.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».