Development of a Prognostic Model for Stump Healing in Major Lower Limb Amputation among the Diabetic Population
Notice bibliographique
Résumé
Background: This study aimed to explore the effect of haematological markers as well as patient characteristics on stump healing in patients who underwent a lower limb amputation procedure. In addition, a practical model regarding factors that affected stump healing was developed. Methods: Patients who underwent a major lower limb amputation (above knee and below knee) at the Royal Infirmary of Edinburgh from the period of 2007 to 2010 were included in this study. A prognostic model utilizing backward stepwise logistical regression was developed to measure the probability of lower limb stump healing. The relationship between the dependent and independent variables was identified using univariate and multivariate logistic regression. Results: Three variables, namely serum sodium, serum creatinine and serum high density lipid cholesterol were identified which influenced stump healing. Patients with normal serum sodium were 75% more likely to have lower limb stump healing compared to that of patients with abnormal serum sodium (odds ratio [OR] 1.756; 95% confidence interval [CI] 1.048–2.942). Patients with normal serum creatinine were 66% more likely to have their stump healed (OR 1.664; 95% CI 0.94 to 2.946). The healing rate of patients with a normal level of serum high density lipid cholesterol was 75%, in contrast to patients with an aberrant level of serum high density lipids cholesterol (OR 1.753; 95% CI 1.061 to 2.895). The effectiveness of the retrospective stump-healing model was demonstrated by the area under the ROC curve (0.612), which was supported by the Hosmer and Lemeshow goodness-of-fit test (p = 0.879). Conclusions: Serum sodium, serum high density lipid cholesterol and serum creatinine have a strong correlation with lower limb stump healing. However, serum sodium and serum high density lipid cholesterol secondary to multiple co-morbidities in this cohort group could be altered secondary to disease pathology itself.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».