Short-term and long-term survival in patients with prevalent haemodialysis—an integrated prognostic model: external validation
Notice bibliographique
Résumé
OBJECTIVES: Prognostic tools with evidence for external validity in routine clinical practice are needed to align care with patients' preferences and deliver timely supportive services. Current models have limited, if any, evidence for external validity and none have been implemented and evaluated in clinical practice on a large scale. This study sought to provide evidence for external validity in a real life setting of the Cohen prognostic model that integrates actuarial factors with the 'Surprise Question' to assess 6-month, 12-month and 18-month survival of prevalent haemodialysis patients. METHODS: Cross-sectional study of 1372 patients in a Canadian university-based programme between 2010 and 2019. Survival probabilities were compared with observed survival. Discrimination and calibration were assessed through predicted risk-stratified observed survival, cumulative AUC, Somer's Dxy and a calibration slope estimate. RESULTS: Discrimination performance was moderate with a C statistic of 0.71-0.72 for all three time points. The model overpredicted mortality risk with the best predictive accuracy for 6- month survival. The differences between observed and mean predicted survival at 6 months, 12 months and 18 months were 3.2%, 8.8% and 12.9%, respectively. Kaplan-Meier curves stratified by Cox-based risk group showed good discrimination between high-risk and low-risk patients with HR estimates (95% CI): C2 vs C1 3.07 (1.57-5.99), C3 vs C1 5.85 (3.06-11.17), C4 vs C1 13.24 (6.91-25.34)). CONCLUSIONS: The Cohen prognostic model can be incorporated easily into routine dialysis care to identify patients at high risk for death over 6 months, 12 months and 18 months and help target vulnerable patients for timely supportive care interventions.
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) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».