PRe-Operative Prediction of postoperative DElirium by appropriate SCreening (PROPDESC) development and validation of a pragmatic POD risk screening score based on routine preoperative data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
STUDY OBJECTIVE: To develop and validate a pragmatic risk screening score for postoperative delirium (POD) based on routine preoperative data. DESIGN: Prospective observational monocentric trial. SETTING: Preoperative data and POD assessment were collected from cardiac and non-cardiac surgical patients at a German university hospital. Data-driven modelling approaches (step-wise vs. component-wise gradient boosting on complete and restricted predictor set) were compared to predictor selection by experts (investigators vs. external Delphi survey). PATIENTS: Inpatients (≥60 years) scheduled for elective surgery lasting more than 60 min. MEASUREMENTS: POD was assessed daily during first five postoperative or post-sedation days with confusion assessment method for intensive and standard care unit (CAM-ICU/CAM), 4 'A's test (4AT) and Delirium Observation Screening (DOS) scale. MAIN RESULTS: From 1023 enrolled patients, 978 completed observations were separated in development (n = 600; POD incidence 22.2%) and validation (n = 378; POD incidence 25.7%) cohorts. Data-driven approaches generated models containing laboratory values, surgical discipline and several items on cognitive and quality of life assessment, which are time consuming to collect. Boosting on complete predictor set yielded the highest bootstrapped prediction accuracy (AUC 0.767) by selecting 12 predictors, with substantial dependence on cardiac surgery. Investigators selected via univariate comparison age, ASA and NYHA classification, surgical risk as well as ´serial subtraction´ and ´sentence repetition´ of the Montreal Cognitive Assessment (MoCA) to enable rapid collection of their risk score for preoperative screening. This investigator model provided slightly lower bootstrapped prediction accuracy (AUC 0.746) but proved to have robust results on validation cohort (AUC 0.725) irrespective of surgical discipline. Simplification of the investigator model by scaling and rounding of regression coefficients into the PROPDESC score achieved a comparable precision on the validation cohort (AUC 0.729). CONCLUSIONS: The PROPDESC score showed promising performance on a separate validation cohort in predicting POD based on routine preoperative data. Suitability for universal screening needs to be shown in a large external validation.
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.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découle