Performance and Head-to-Head Comparison of Three Clinical Models to Predict Occurrence of Postthrombotic Syndrome: A Validation Study
Notice bibliographique
Résumé
OBJECTIVE: The SOX-PTS, Amin, and Méan models are three different clinical prediction scores stratifying the risk for postthrombotic syndrome (PTS) development in patients with acute deep vein thrombosis (DVT) of the lower limbs. Herein, we aimed to assess and compare these scores in the same cohort of patients. METHODS: We retrospectively applied the three scores in a cohort of 181 patients (196 limbs) who participated in the SAVER pilot trial for an acute DVT. Patients were stratified into PTS risk groups using positivity thresholds for high-risk patients as proposed in the derivation studies. All patients were assessed for PTS 6 months after index DVT using the Villalta scale. We calculated the predictive accuracy for PTS and area under receiver operating characteristic (AUROC) curve for each model. RESULTS: The Méan model was the most sensitive (sensitivity 87.7%; 95% confidence interval [CI]: 77.2-94.5) with the highest negative predictive value (87.5%; 95% CI: 76.8-94.4) for PTS. The SOX-PTS was the most specific score (specificity 97.5%; 95% CI: 92.7-99.5) with the highest positive predictive value (72.7%; 95% CI: 39.0-94.0). The SOX-PTS and Méan models performed well for PTS prediction (AUROC: 0.72; 95% CI: 0.65-0.80 and 0.74; 95% CI: 0.67-0.82), whereas the Amin model did not (AUROC: 0.58; 95% CI: 0.49-0.67). CONCLUSION: Our data support that the SOX-PTS and Méan models have good accuracy to stratify the risk for PTS.
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 | 0,020 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».