North American COVID-19 Myocardial Infarction (NACMI) Risk Score for Prediction of In-Hospital Mortality
Notice bibliographique
Résumé
Background In-hospital mortality in patients with ST-segment elevation myocardial infarction (STEMI) is higher in those with COVID-19 than in those without COVID-19. The factors that predispose to this mortality rate and their relative contribution are poorly understood. This study developed a risk score inclusive of clinical variables to predict in-hospital mortality in patients with COVID-19 and STEMI. Methods Baseline demographic, clinical, and procedural data from patients in the North American COVID-19 Myocardial Infarction registry were extracted. Univariable logistic regression was performed using candidate predictor variables, and multivariable logistic regression was performed using backward stepwise selection to identify independent predictors of in-hospital mortality. Independent predictors were assigned a weighted integer, with the sum of the integers yielding the total risk score for each patient. Results In-hospital mortality occurred in 118 of 425 (28%) patients. Eight variables present at the time of STEMI diagnosis (respiratory rate of >35 breaths/min, cardiogenic shock, oxygen saturation of <93%, age of >55 years, infiltrates on chest x-ray, kidney disease, diabetes, and dyspnea) were assigned a weighted integer. In-hospital mortality increased exponentially with increasing integer risk score (Cochran-Armitage χ 2 , P < .001), and the model demonstrated good discriminative power (c-statistic = 0.81) and calibration (Hosmer-Lemeshow, P = .40). The increasing risk score was strongly associated with in-hospital mortality (3.6%-60% mortality for low-risk and very high–risk score categories, respectively). Conclusions The risk of in-hospital mortality in patients with COVID-19 and STEMI can be accurately predicted and discriminated using readily available clinical information.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».