Predicting 2‐year all‐cause mortality after contemporary <scp>PCI</scp>: Updating the logistic clinical <scp>SYNTAX</scp> score
Notice bibliographique
Résumé
AIMS: We aimed to update the logistic clinical SYNTAX score to predict 2 year all-cause mortality after contemporary percutaneous coronary intervention (PCI). METHODS AND RESULTS: We analyzed 15,883 patients in the GLOBAL LEADERS study who underwent PCI. The logistic clinical SYNTAX model was updated after imputing missing values by refitting the original model (refitted original model) and fitting an extended new model (new model, with, selection based on the Akaike Information Criterion). External validation was performed in 10,100 patients having PCI at Fu Wai hospital. Chronic obstructive pulmonary disease, prior stroke, current smoker, hemoglobin level, and white blood cell count were identified as additional independent predictors of 2 year all-cause mortality and included into the new model. The c-indexes of the original, refitted original and the new model in the derivation cohort were 0.74 (95% CI 0.72-0.76), 0.75 (95% CI 0.73-0.77), and 0.78 (95% CI 0.76-0.80), respectively. The c-index of the new model was lower in the validation cohort than in the derivation cohort, but still showed improved discriminative ability of the newly developed model (0.72; 95% CI 0.67-0.77) compared to the refitted original model (0.69; 95% CI 0.64-0.74). The models overestimated the observed 2 year all-cause mortality of 1.11% in the Chinese external validation cohort by 0.54 percentage points, indicating the need for calibration of the model to the Chinese patient population. CONCLUSIONS: The new model of the logistic clinical SYNTAX score better predicts 2 year all-cause mortality after PCI than the original model. The new model could guide clinical decision making by risk stratifying patients undergoing PCI.
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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».