Predicting neurological outcome in adult patients with cardiac arrest: systematic review and meta-analysis of prediction model performance
Notice bibliographique
Résumé
This work aims to assess the performance of two post-arrest (out-of-hospital cardiac arrest, OHCA, and cardiac arrest hospital prognosis, CAHP) and one pre-arrest (good outcome following attempted resuscitation, GO-FAR) prediction model for the prognostication of neurological outcome after cardiac arrest in a systematic review and meta-analysis. A systematic search was conducted in Embase, Medline, and Web of Science Core Collection from November 2006 to December 2021, and by forward citation tracking of key score publications. The search identified 1'021 records, of which 25 studies with a total of 124'168 patients were included in the review. A random-effects meta-analysis of C-statistics and overall calibration (total observed vs. expected [O:E] ratio) was conducted. Discriminatory performance was good for the OHCA (summary C-statistic: 0.83 [95% CI 0.81-0.85], 16 cohorts) and CAHP score (summary C-statistic: 0.84 [95% CI 0.82-0.87], 14 cohorts) and acceptable for the GO-FAR score (summary C-statistic: 0.78 [95% CI 0.72-0.84], five cohorts). Overall calibration was good for the OHCA (total O:E ratio: 0.78 [95% CI 0.67-0.92], nine cohorts) and the CAHP score (total O:E ratio: 0.78 [95% CI 0.72-0.84], nine cohorts) with an overestimation of poor outcome. Overall calibration of the GO-FAR score was poor with an underestimation of good outcome (total O:E ratio: 1.62 [95% CI 1.28-2.04], five cohorts). Two post-arrest scores showed good prognostic accuracy for predicting neurological outcome after cardiac arrest and may support early discussions about goals-of-care and therapeutic planning on the intensive care unit. A pre-arrest score showed acceptable prognostic accuracy and may support code status discussions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».