MétaCan
Menu
Retour à la cohorte
Enregistrement W3128067354 · doi:10.1093/ejcts/ezaa375

A novel, comprehensive tool for predicting 30-day mortality after surgical aortic valve replacement

2020· article· en· W3128067354 sur OpenAlexaff
Fausto Biancari, Stefano Rosato, Giuliano Costa, Marco Barbanti, Paola D’Errigo, Corrado Tamburino, Francesco Cerza, Aldo Rosano, Fulvia Seccareccia, Alice Maraschini, Gabriella Badoni, Gennaro Santoro, Marco Ranucci, Remo Daniel Covello, Rossana De Palma, Salvatore Scondotto, Sicilia Region

Notice bibliographique

RevueEuropean Journal of Cardio-Thoracic Surgery · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesMinistero della Salute
Mots-clésMedicineAortic valve replacementLogistic regressionInternal medicineEuroSCORERevascularizationStepwise regressionCardiologySurgeryCardiac surgeryMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: We sought to develop and validate a novel risk assessment tool for the prediction of 30-day mortality after surgical aortic valve replacement incorporating a patient's frailty. METHODS: Overall, 4718 patients from the multicentre study OBSERVANT was divided into derivation (n = 3539) and validation (n = 1179) cohorts. A stepwise logistic regression procedure and a criterion based on Akaike information criteria index were used to select variables associated with 30-day mortality. The performance of the regression model was compared with that of European System for Cardiac Operative Risk Evaluation (EuroSCORE) II. RESULTS: At 30 days, 90 (2.54%) and 35 (2.97%) patients died in the development and validation data sets, respectively. Age, chronic obstructive pulmonary disease, concomitant coronary revascularization, frailty stratified according to the Geriatric Status Scale, urgent procedure and estimated glomerular filtration rate were independent predictors of 30-day mortality. The estimated OBS AVR score showed higher discrimination (area under curve 0.76 vs 0.70, P < 0.001) and calibration (Hosmer-Lemeshow P = 0.847 vs P = 0.130) than the EuroSCORE II. The higher performances of the OBS AVR score were confirmed by the decision curve, net reclassification index (0.46, P = 0.011) and integrated discrimination improvement (0.02, P < 0.001) analyses. Five-year mortality increased significantly along increasing deciles of the OBS AVR score (P < 0.001). CONCLUSIONS: The OBS AVR risk score showed high discrimination and calibration abilities in predicting 30-day mortality after surgical aortic valve replacement. The addition of a simplified frailty assessment into the model seems to contribute to an improved predictive ability over the EuroSCORE II. The OBS AVR risk score showed a significant association with long-term mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,347
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Cardio-Thoracic SurgeryMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207