MétaCan
Menu
Retour à la cohorte
Enregistrement W3152713532 · doi:10.1002/lt.26078

Applying Administrative Data‐Based Coding Algorithms for Frailty in Patients With Cirrhosis

2021· article· en· W3152713532 sur OpenAlexfundno aff
Jeremy Louissaint, Susan L. Murphy, Christopher J. Sonnenday, Anna S. Lok, Elliot B. Tapper

Notice bibliographique

RevueLiver Transplantation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesAllerganNational Institutes of HealthNational Institute of Diabetes and Digestive and Kidney DiseasesBausch HealthGilead Sciences
Mots-clésMedicineReceiver operating characteristicLiver transplantationCirrhosisHazard ratioFrailty IndexProspective cohort studyActivities of daily livingPhysical therapyInternal medicineTransplantationConfidence interval

Résumé

récupéré en direct d'OpenAlex

Frailty is a powerful prognostic tool in cirrhosis. Claims-based frailty scores estimate the presence of frailty without the need for in-person evaluation. These algorithms have not been validated in cirrhosis. Whether they measure true frailty or perform as well as frailty in outcome prediction is unknown. We evaluated 2 claims-based frailty scores-Hospital Frailty Risk Score (HFRS) and Claims-Based Frailty Index (CFI)-in 3 prospective cohorts comprising 1100 patients with cirrhosis. We assessed differences in neuromuscular/neurocognitive capabilities in those classified as frail or nonfrail based on each score. We assessed the ability of the indexes to discriminate frailty based on the Fried Frailty Index (FFI), chair stands, activities of daily living (ADL), and falls. Finally, we compared the performance of claims-based frailty measures and physical frailty measures to predict transplant-free survival using competing risk regression and patient-reported outcomes. The CFI identified neuromuscular deficits (balance, chair stands, hip strength), whereas the HFRS only identified poor chair-stand performance. The CFI had areas under the receiver operating characteristic curve (AUROCs) for identifying frailty as measured by the FFI, ADL, and falls of 0.57, 0.60, and 0.68, respectively; similarly, the AUROCs were 0.66, 0.63, and 0.67, respectively, for the HFRS. Claims-based frailty scores were associated with poor quality of life and sleep but were outperformed by the FFI and chair stands. The HFRS, per 10-point increase (but not the CFI) predicted survival of patients in the liver transplantation (subdistribution hazard ratio [SHR], 1.08; 95% confidence interval [CI], 1.03-1.12) and non-liver transplantation cohorts (SHR, 1.13; 95% CI, 1.05-1.22). Claims-based frailty scores do not adequately associate with physical frailty but are associated with important cirrhosis-related outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,504

Scores Codex et Gemma par catégorie

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

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 Opus0,089
Tête enseignante GPT0,329
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiver TransplantationMême sujetFrailty in Older AdultsTravaux en français237 207