Prediction of Mortality in Hemodialysis Patients Using Moving Multivariate Distance
Notice bibliographique
Résumé
There is an increasingly widespread use of biomarkers in network physiology to evaluate an organism's physiological state. A recent study showed that albumin variability increases before death in chronic hemodialysis patients. We hypothesized that a multivariate statistical approach would better allow us to capture signals of impending physiological collapse/death. We proposed a Moving Multivariate Distance (MMD), based on the Mahalanobis distance, to quantify the variability of the multivariate biomarker profile as a whole from one visit to the next. Biomarker profiles from a visit were used as the reference to calculate MMD at the subsequent visit. We selected 16 biomarkers (of which 11 are measured every 2 weeks) from blood samples of 763 chronic kidney disease patients hemodialyzed at the CHUS hospital in Quebec, who visited the hospital regularly (∼every 2 weeks) to perform routine blood tests. MMD tended to increase markedly preceding death, indicating an increasing intraindividual multivariate variability presaging a critical transition. In survival analysis, the hazard ratio between the 97.5th percentile and the 2.5th percentile of MMD reached as high as 21.1 [95% CI: 14.3, 31.2], showing that higher variability indicates substantially higher mortality risk. Multivariate approaches to early warning signs of critical transitions hold substantial clinical promise to identify early signs of critical transitions, such as risk of death in hemodialysis patients; future work should also explore whether the MMD approach works in other complex systems (i.e., ecosystems, economies), and should compare it to other multivariate approaches to quantify system variability.
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 | 0,000 | 0,000 |
| 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 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 ».