Development and Internal Validation of Novel Risk Tools to Predict Subsequent Shoulder Surgery After Proximal Humerus Fractures
Notice bibliographique
Résumé
OBJECTIVE: To (1) identify predictors of subsequent surgery after initial treatment of proximal humerus fractures (PHFs) and (2) generate valid risk prediction tools to predict subsequent surgery. METHODS: We identified patients ≥50 years with PHF from 2004 to 2015 using health data sets in Ontario, Canada. We used procedural codes to classify patients into treatment groups of (1) surgical fixation, (2) shoulder replacement, and (3) conservative. We used procedural and diagnosis codes to capture subsequent surgery within 2 years after fracture. We developed regression models for two-thirds of each group to identify predictors of subsequent surgery and the regression equations to develop risk tools to predict subsequent surgery. We used the final third of each cohort to evaluate the discriminative ability of the risk tools using c-statistics. RESULTS: We identified 20,897 patients with PHF, 2414 treated with fixation, 1065 with replacement, and 17,418 treated conservatively. Predictors of reoperation after fixation included bone grafting and nail or wire fixation versus plate fixation, whereas poor bone quality was associated with reoperation after initial replacement. In conservatively treated patients, more comorbidities were associated with subsequent surgery, whereas age 70+ and discharge home after presentation lowered the odds of subsequent surgery. The risk tools were able to discriminate with c-statistics of 0.75-0.88 (derivation) and 0.51-0.79 (validation). CONCLUSIONS: Our risk tools showed good to strong discriminative ability for patients treated conservatively and with fixation. These data may be used as the foundation to develop a clinically informative tool. LEVEL OF EVIDENCE: Prognostic Level III. See Instructions for Authors for a complete description of levels of evidence.
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 | 0,024 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».