IDDF2020-ABS-0147 Development of a validated nomogram to predict aggressive Crohn’s disease: a retrospective cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<h3>Background</h3> Predicting aggressive Crohn’s disease (CD) is crucial for determining therapeutic strategies. We aimed to develop a prognostic model to predict disease-related complications leading to early-onset surgery within 1 year after diagnosis of CD and to create a nomogram to facilitate clinical decision-making. <h3>Methods</h3> This retrospective study was conducted from January 1, 2012, to December 31, 2016, in a single tertiary referral center, using data from patients newly diagnosed with CD and showing B1 behavior according to Montreal classification. The model was established using multivariable logistic regression analysis with evaluation of the receiver operating characteristic (ROC) curves and areas under the curve (AUC). The model was calibrated and assessed for discrimination. Further, a user-friendly nomogram was created. <h3>Results</h3> The mean follow-up period was 53.45±12.81 months. Of 614 eligible patients, 13.5% developed surgery-related complications, including stenosis, perforation, and severe gastrointestinal bleeding. We identified age (Odds ratio (OR) 0.914, P=0.004), disease duration (OR 2.675, P<0.001), perianal disease (OR 16.013, P<0.001), previous surgery (OR 3.652, P=0.003), and extraintestinal manifestations (OR 7.625, P=0.001) as significant independent factors associated with early-onset complications and developed a prognostic model ((figure 1A), A Prognostic model predicting complications leading to surgery within 1 year after diagnosis), whose predictive ability was appraised with AUC of 0.965, specificity of 96.71%, and sensitivity of 67.24%. This model was validated with good discrimination (AUC of 0.933), and excellent calibration was demonstrated using the Hosmer-Lemeshow goodness-of-fit test ((figure 1B), Hosmer-Lemeshow goodness-of-fit test demonstrating a good fit of this model). A nomogram was created to facilitate clinical bedside practice ((figure 1C) A nomogram predicting complications leading to surgery within 1 year after diagnosis in Crohn’s disease patients). <h3>Conclusions</h3> This validated prognostic model can effectively predict early-onset complications leading to surgery and screen aggressive CD, enabling physicians to customize therapeutic strategies and monitor the intensive disease.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle