Decision tree‐based rules outperform risk scores for childhood asthma prognosis
Notice bibliographique
Résumé
BACKGROUND: There are no widely accepted prognostic tools for childhood asthma; this is in part due to the multifactorial and time-dependent nature of mechanisms and risk factors that contribute to asthma development. Our study objective was to develop and evaluate the prognostic performance of conditional inference decision tree-based rules using the Pediatric Asthma Risk Score (PARS) predictors as an alternative to the existing logistic regression-based risk score for childhood asthma prediction at 7 years in a high-risk population. METHODS: The Canadian Asthma Primary Prevention Study data were used to develop, compare, and contrast the prognostic performance (area under the curve [AUC], sensitivity, and specificity) of conditional inference tree-based decision rules to the pediatric asthma risk score for the prediction of childhood asthma at 7 years. RESULTS: Conditional inference decision tree-based rules have higher prognostic performance (AUC: 0.85; 95% CI: 0.81, 0.88; sensitivity = 47%; specificity = 93%) than the pediatric asthma risk score at an optimal cutoff of ≥6 (AUC: 0.71; 95% CI: 0.67, 0.76; sensitivity = 60%; specificity = 74%). Moreover, the pediatric asthma risk score is not linearly related to asthma risk, and at any given pediatric asthma risk score value, different combinations of its pediatric asthma risk score clinical variables differentially predict asthma risk. CONCLUSION: Conditional inference tree-based decision rules could be a useful childhood asthma prognostic tool, providing an alternative way to identify unique subgroups of at-risk children, and insights into associations and effect mechanisms that are suggestive of appropriate tailored preventive interventions. However, the feasibility and effectiveness of such decision rules in clinical practice is warranted.
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 ».