A Bayesian Comparison of Frailty Instruments in Noncardiac Surgery: A Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Frailty-a multidimensional syndrome related to age- and disease-related deficits-is a key risk factor for older surgical patients. However, it is unknown which frailty instrument most accurately predicts postoperative outcomes. Our objectives were to quantify the probability of association and relative predictive performance of 2 frailty instruments (ie, the risk analysis index-administrative [RAI-A] and 5-item modified frailty index [mFI-5]) with postoperative outcomes in National Surgical Quality Improvement Program (NSQIP) data. METHODS: Retrospective cohort study using Bayesian analysis of NSQIP hospitals. Adults having inpatient small or large bowel surgery 2010-2015 (derivation cohort) or intermediate to high risk mixed noncardiac surgery in 2016 (validation cohort) had preoperative frailty assigned using 2 unique approaches (RAI-A and mFI-5). Probabilities of association were calculated based on posterior distributions and relative predictive performance using posterior predictive distributions and Bayes factors for 30-day mortality (primary outcome) and serious complications (secondary outcome). RESULTS: Of 50,630 participants, 7630 (14.0%) died and 19,545 (38.6%) had a serious complication. Without adjustment, the RAI-A and mFI-5 had >99% probability being associated with mortality with a ≥2.0 odds ratio (ie, large effect size). After adjustment for NSQIP risk calculator variables, only the RAI-A had ≥95% probability of a nonzero association with mortality. Similar results arose when predicting postoperative complications. The RAI-A provided better predictive accuracy for mortality than the mFI-5 (minimum Bayes factor 3.25 × 1014), and only the RAI-A improved predictive accuracy beyond that of the NSQIP risk calculator (minimum Bayes factor = 4.27 × 1013). Results were consistent in leave-one-out cross-validation. CONCLUSIONS: Translation of frailty-related findings from research and quality improvement studies to clinical care and surgical planning will be aided by a consistent approach to measuring frailty with a multidimensional instrument like RAI-A, which appears to be superior to the mFI-5 when predicting outcomes for inpatient noncardiac surgery.
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 | 0,067 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| 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 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».