MétaCan
Menu
← Retour à la cohorte
Enregistrement W4225014203 · doi:10.1017/cjn.2022.46

External Validation of the Passive Surveillance Stroke Severity Indicator

2022· article· en· W4225014203 sur OpenAlexaffvenueabout
Raed A. Joundi, James A. King, Jillian Stang, Dana Nicol, Michael D. Hill, Moira K. Kapral, Eric E. Smith, Amy Yu

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreInstitute for Clinical Evaluative SciencesUniversity of CalgaryAlberta HealthMcMaster UniversityAlberta Health ServicesUniversity of TorontoHamilton Health SciencesPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Case fatality rateLogistic regressionProportional hazards modelHazard ratioStatisticEmergency medicinePhysical therapyStatisticsConfidence intervalEpidemiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Passive Surveillance Stroke Severity (PaSSV) Indicator was derived to estimate stroke severity from variables in administrative datasets but has not been externally validated. METHODS: We used linked administrative datasets to identify patients with first hospitalization for acute stroke between 2007-2018 in Alberta, Canada. We used the PaSSV indicator to estimate stroke severity. We used Cox proportional hazard models and evaluated the change in hazard ratios and model discrimination for 30-day and 1-year case fatality with and without PaSSV. Similar comparisons were made for 90-day home time thresholds using logistic regression. We also linked with a clinical registry to obtain National Institutes of Health Stroke Scale (NIHSS) and compared estimates from models without stroke severity, with PaSSV, and with NIHSS. RESULTS: There were 28,672 patients with acute stroke in the full sample. In comparison to no stroke severity, addition of PaSSV to the 30-day case fatality models resulted in improvement in model discrimination (C-statistic 0.72 [95%CI 0.71-0.73] to 0.80 [0.79-0.80]). After adjustment for PaSSV, admission to a comprehensive stroke center was associated with lower 30-day case fatality (adjusted hazard ratio changed from 1.03 [0.96-1.10] to 0.72 [0.67-0.77]). In the registry sample (N = 1328), model discrimination for 30-day case fatality improved with the inclusion of stroke severity. Results were similar for 1-year case fatality and home time outcomes. CONCLUSION: Addition of PaSSV improved model discrimination for case fatality and home time outcomes. The validity of PASSV in two Canadian provinces suggests that it is a useful tool for baseline risk adjustment in acute stroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,101
score de la tête « metaresearch » (Gemma)0,209
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,532

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1010,209
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0040,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques→Même sujetAcute Ischemic Stroke Management→Travaux en français237 207→