Evaluation of APACHE-IV Predictive Scoring in Surgical Abdominal Sepsis: A Retrospective Cohort Study
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
Introduction: Evaluation of the effectiveness of care and clinical outcomes in critically ill patients is dependent on predictive scoring models that calculate measures of disease severity and an associated likelihood of mortality. The APACHE scoring system is a logistic regression model incorporating physiologic and laboratory parameters. APACHE-IV is the most updated scoring system for ICU mortality prediction. However, APACHE scores may not accurately predict mortality in patients who require surgery for abdominal sepsis, whose trajectory is modulated by source control procedures. Aim: To evaluate the accuracy of APACHE-IV mortality prediction in a cohort of ICU patients with surgical abdominal sepsis (SABS) requiring emergent laparotomy for source control. Materials and Methods: The study was conducted in a combined medical and surgical intensive care unit in a large urban Canadian tertiary care hospital. Retrospective review of 211 consecutive adult ICU admissions that fulfilled the 2012 ACCP/SCCM criteria for severe sepsis/septic shock due to abdominal source was performed. APACHE-IV score and predicted mortality rate (PMR) were calculated and evaluated using area under the ROC curve (AUROC). Results: Overall in-hospital mortality was 28.4%. There was overestimation of PMR by the APACHE-IV model in the overall cohort with an absolute difference of 16.6% (relative difference 36.9%). APACHE-IV crudely distinguished between survivors and non-survivors, with a PMR of 40% vs. 59% (p<0.001). AUROC of the APACHE-IV score was 0.67, 95% CI (0.58, 0.76) while the AUROC for the PMR was 0.72, 95% CI (0.64, 0.80), indicating poor performance in this cohort. Conclusion: APACHE-IV has poor discrimination in SABS. Future research should explore disease-specific prediction models.
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 | 0,033 | 0,091 |
| 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