Validation of extracorporeal membrane oxygenation mortality prediction and severity of illness scores in an international <scp>COVID</scp>‐19 cohort
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Veno-venous extracorporeal membrane oxygenation (V-V ECMO) is a lifesaving support modality for severe respiratory failure, but its resource-intensive nature led to significant controversy surrounding its use during the COVID-19 pandemic. We report the performance of several ECMO mortality prediction and severity of illness scores at discriminating survival in a large COVID-19 V-V ECMO cohort. METHODS: We validated ECMOnet, PRESET (PREdiction of Survival on ECMO Therapy-Score), Roch, SOFA (Sequential Organ Failure Assessment), APACHE II (acute physiology and chronic health evaluation), 4C (Coronavirus Clinical Characterisation Consortium), and CURB-65 (Confusion, Urea nitrogen, Respiratory Rate, Blood Pressure, age >65 years) scores on the ISARIC (International Severe Acute Respiratory and emerging Infection Consortium) database. We report discrimination via Area Under the Receiver Operative Curve (AUROC) and Area under the Precision Recall Curve (AURPC) and calibration via Brier score. RESULTS: We included 1147 patients and scores were calculated on patients with sufficient variables. ECMO mortality scores had AUROC (0.58-0.62), AUPRC (0.62-0.74), and Brier score (0.286-0.303). Roch score had the highest accuracy (AUROC 0.62), precision (AUPRC 0.74) yet worst calibration (Brier score of 0.3) despite being calculated on the fewest patients (144). Severity of illness scores had AUROC (0.52-0.57), AURPC (0.59-0.64), and Brier Score (0.265-0.471). APACHE II had the highest accuracy (AUROC 0.58), precision (AUPRC 0.64), and best calibration (Brier score 0.26). CONCLUSION: Within a large international multicenter COVID-19 cohort, the evaluated ECMO mortality prediction and severity of illness scores demonstrated inconsistent discrimination and calibration highlighting the need for better clinically applicable decision support tools.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle