Derivation and validation of predictive indices for cardiac readmission after coronary and valvular surgery – A multicenter study
Notice bibliographique
Résumé
Objective: To derive and validate models to predict the risk of a cardiac readmission within one year after specific cardiac surgeries using information that is commonly available from hospital electronic medical records. Methods: In this retrospective cohort study, we derived and externally validated clinical models to predict the likelihood of cardiac readmissions within one-year of isolated CABG, AVR, and combined CABG+AVR in Ontario, Canada, using multiple clinical registries and routinely collected administrative databases. For all adult patients who underwent these procedures, multiple Fine and Gray subdistribution hazard models were derived within a competing-risk framework using the cohort from April 2015 to March 2018 and validated in an independent cohort (April 2018 to March 2020). Results: For the model that predicted post-CABG cardiac readmission, the c-statistic was 0.73 in the derivation cohort and 0.70 in the validation cohort at one-year. For the model that predicted post-AVR cardiac readmission, the c-statistic was 0.74 in the derivation and 0.73 in the validation cohort at one-year. For the model that predicted cardiac readmission following CABG+AVR, the c-statistic was 0.70 in the derivation and 0.66 in the validation cohort at one-year. Conclusions: Prediction of one-year cardiac readmission for isolated CABG, AVR, and combined CABG+AVR can be achieved parsimoniously using multidimensional data sources. Model discrimination was better than existing models derived from single and multicenter registries.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».