DERIVATION AND VALIDATION OF A CLINICAL SCORE TO PREDICT DEATH AMONG NON-PALLIATIVE COVID-19 PATIENTS PRESENTING TO EMERGENCY DEPARTMENTS: THE CCEDRRN COVID MORTALITY SCORE
Notice bibliographique
Résumé
ABSTRACT Background Predicting mortality from coronavirus disease 2019 (COVID-19) using information available when patients present to the Emergency Department (ED) can inform goals-of-care decisions and assist with ethical allocation of critical care resources. Methods We conducted an observational study to develop and validate a clinical score to predict ED and in-hospital mortality among consecutive non-palliative COVID-19 patients. We recruited from 44 hospitals participating in the Canadian COVID-19 ED Rapid Response Network (CCEDRRN) between March 1, 2020 and January 31, 2021. We randomly assigned hospitals to derivation or validation, and pre-specified clinical variables as candidate predictors. We used logistic regression to develop the score in a derivation cohort, and examined its performance in predicting ED and in-hospital mortality in a validation cohort. Results Of 8,761 eligible patients, 618 (7·01%) died. The score included age, sex, type of residence, arrival mode, chest pain, severe liver disease, respiratory rate, and level of respiratory support. The area under the curve was 0·92 (95% confidence intervals [CI] 0·91–0·93) in derivation and 0·92 (95%CI 0·89–0·93) in validation. The score had excellent calibration. Above a score of 15, the observed mortality was 81·0% (81/100) with a specificity of 98·8% (95%CI 99·5–99·9%). Interpretation The CCEDRRN COVID Mortality Score is a simple score that accurately predicts mortality with variables that are available on patient arrival without the need for diagnostic tests. Trial registration Clinicaltrials.gov, NCT04702945
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».