Use of healthcare claims to validate the Prevention of Arrhythmia Device Infection Trial cardiac implantable electronic device infection risk score
Notice bibliographique
Résumé
AIM: The Prevention of Arrhythmia Device Infection Trial (PADIT) infection risk score, developed based on a large prospectively collected data set, identified five independent predictors of cardiac implantable electronic device (CIED) infection. We performed an independent validation of the risk score in a data set extracted from U.S. healthcare claims. METHODS AND RESULTS: Retrospective identification of index CIED procedures among patients aged ≥18 years with at least one record of a CIED procedure between January 2011 and September 2014 in a U.S health claims database. PADIT risk factors and major CIED infections (with system removal, invasive procedure without system removal, or infection-attributable death) were identified through diagnosis and procedure codes. The data set was randomized by PADIT score into Data Set A (60%) and Data Set B (40%). A frailty model allowing multiple procedures per patient was fit using Data Set A, with PADIT score as the only predictor, excluding patients with prior CIED infection. A data set of 54 042 index procedures among 51 623 patients with 574 infections was extracted. Among patients with no history of prior CIED infection, a 1 unit increase in the PADIT score was associated with a relative 28% increase in infection risk. Prior CIED infection was associated with significant incremental predictive value (HR 5.66, P < 0.0001) after adjusting for PADIT score. A Harrell's C-statistic for the PADIT score and history of prior CIED infection was 0.76. CONCLUSION: The PADIT risk score predicts increased CIED infection risk, identifying higher risk patients that could potentially benefit from targeted interventions to reduce the risk of CIED infection. Prior CIED infection confers incremental predictive value to the PADIT score.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».