MétaCan
Menu
Retour à la cohorte
Enregistrement W4318053819 · doi:10.1515/cclm-2022-1004

Using logistic regression models to investigate the effects of high-sensitivity cardiac troponin T confounders on ruling in acute myocardial infarction

2023· article· en· W4318053819 sur OpenAlexaffabout
Li Liu, Xueya Cai, Tanzy Love, Matthew Corsetti, Andrew Mathias, Andrew Worster, Jinhui Ma, Peter A. Kavsak

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myocardial Infarction Research
Établissements canadiensImpactMcMaster University
Organismes subventionnairesNational Institute of Environmental Health Sciences
Mots-clésMedicineLogistic regressionConfoundingMyocardial infarctionCohortReceiver operating characteristicInternal medicineArea under the curveCardiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Confounding factors, including sex, age, and renal dysfunction, affect high-sensitivity cardiac troponin T (hs-cTnT) concentrations and the acute myocardial infarction (AMI) diagnosis. This study assessed the effects of these confounders through logistic regression models and evaluated the diagnostic performance of an optimized, integrated prediction model. METHODS: This retrospective study included a primary derivation cohort of 18,022 emergency department (ED) patients at a US medical center and a validation cohort of 890 ED patients at a Canadian medical center. Hs-cTnT was measured with 0/3 h sampling. The primary outcome was index AMI diagnosis. Logistic regression models were optimized to predict AMI using delta hs-cTnT and its confounders as covariates. The diagnostic performance of model cutoffs was compared to that of the hs-cTnT delta thresholds. Serial logistic regressions were carried out to evaluate the relationship between covariates. RESULTS: The area under the curve of the best-fitted model was 0.95. The model achieved a 90.0% diagnostic accuracy in the validation cohort. The optimal model cutoff yielded comparable performance (90.5% accuracy) to the optimal sex-specific delta thresholds (90.3% accuracy), with 95.8% agreement between the two diagnostic methods. Serial logistic regressions revealed that delta hs-cTnT played a more predominant role in AMI prediction than its confounders, among which sex is more predictive of AMI (total effect coefficient 1.04) than age (total effect coefficient 0.05) and eGFR (total effect coefficient -0.008). CONCLUSIONS: The integrated prediction model incorporating confounding factors does not outperform hs-cTnT delta thresholds. Sex-specific hs-cTnT delta thresholds remain to provide the highest diagnostic accuracy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,047
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,408
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetAcute Myocardial Infarction ResearchTravaux en français237 207