Development and Validation of a Prognostic Nomogram to Predict 30-Day Mortality Risk in Patients with Sepsis-Induced Cardiorenal Syndrome
Notice bibliographique
Résumé
Introduction: Sepsis-induced cardiorenal syndrome (sepsis-induced CRS) is a devastating medical condition that is frequently associated with a high fatality rate. In this study, we aimed to develop an individualized nomogram that may help clinicians assess 30-day mortality risk in patients diagnosed with sepsis-induced CRS. Methods: A total of 340 patients with sepsis-induced CRS admitted from January 2015 to May 2019 in Shanghai Tongji Hospital were used as a training cohort to develop a nomogram prognostic model. The model was constructed using multivariable logistic analyses and was then externally validated by an independent cohort of 103 patients diagnosed with sepsis-induced CRS from June 2019 to December 2020. The prognostic ability of the nomogram was assessed through discrimination, calibration, and accuracy. Results: Five prognostic factors were determined and included in the nomogram: age, Sequential (sepsis-related) Organ Failure Assessment (SOFA) score, vasopressors, baseline serum creatinine, and the rate of change in myoglobin. Our prognostic nomogram showed well-fitted calibration curves and yielded strong discrimination power with the area under the curve of 0.879 and 0.912 in model development and validation, respectively. In addition, the nomogram prognostic model exhibited an evidently higher predictive accuracy than the SOFA score. Conclusions: We developed a prognostic nomogram model for patients with sepsis-induced CRS and externally validated the model in another independent cohort. The nomogram exhibited greater strength in predicting 30-day mortality risk than the SOFA score, which may help clinicians estimate short-term prognosis and modulate therapeutic strategies.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».