Pre-stroke disability and stroke severity as predictors of discharge destination from an acute stroke ward
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
BACKGROUND AND RATIONALE: Reliable prediction of discharge destination in acute stroke informs discharge planning and can determine the expectations of patients and carers. There is no existing model that does this using routinely collected indices of pre-morbid disability and stroke severity. METHODS: Age, gender, pre-morbid modified Rankin Scale (mRS) and National Institutes of Health Stroke Scale (NIHSS) were gathered prospectively on an acute stroke unit from 1,142 consecutive patients. A multiclass random forest classifier was used to train and validate a model to predict discharge destination. RESULTS: Used alone, the mRS is the strongest predictor of discharge destination. The NIHSS is only predictive when combined with our other variables. The accuracy of the final model was 70.4% overall with a positive predictive value (PPV) and sensitivity of 0.88 and 0.78 for home as the destination, 0.68 and 0.88 for continued inpatient care, 0.7 and 0.53 for community hospital, and 0.5 and 0.18 for death, respectively. CONCLUSION: Pre-stroke disability rather than stroke severity is the strongest predictor of discharge destination, but in combination with other routinely collected data, both can be used as an adjunct by the multidisciplinary team to predict discharge destination in patients with acute stroke.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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