Derivation and Validation of a Two-Variable Index to Predict 30-Day Outcomes Following Heart Failure Hospitalization
Notice bibliographique
Résumé
BACKGROUND: The LACE index-length of stay (L), acuity (A), Charlson co-morbidities (C), and emergent visits (E)-predicts 30-day outcomes following heart failure (HF) hospitalization but is complex to score. A simpler LE index (length of stay and emergent visits) could offer a practical advantage in point-of-care risk prediction. METHODS AND RESULTS: This was a sub-study of the patient-centred care transitions in HF (PACT-HF) multicentre trial. The derivation cohort comprised patients hospitalized for HF, enrolled in the trial, and followed prospectively. External validation was performed retrospectively in a cohort of patients hospitalized for HF. We used log-binomial regression models with LACE or LE as the predictor and either 30-day composite all-cause readmission or death or 30-day all-cause readmission as the outcomes, adjusting only for post-discharge services. There were 1985 patients (mean [SD] age 78.1 [12.1] years) in the derivation cohort and 378 (mean [SD] age 73.1 [13.2] years) in the validation cohort. Increments in the LACE and LE indices were associated with 17% (RR 1.17; 95% CI 1.12, 1.21; C-statistic 0.64) and 21% (RR 1.21; 95% CI 1.15, 1.26; C-statistic 0.63) increases, respectively, in 30-day composite all-cause readmission or death; and 16% (RR 1.16; 95% CI 1.11, 1.20; C-statistic 0.64) and 18% (RR 1.18; 95% CI 1.13, 1.24; C-statistic 0.62) increases, respectively, in 30-day all-cause readmission. The LE index provided better risk discrimination for the 30-day outcomes than did the LACE index in the external validation cohort. CONCLUSIONS: The LE index predicts 30-day outcomes following HF hospitalization with similar or better performance than the more complex LACE index.
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) | 0,001 | 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 ».