Predicting survival post-cardiac arrest: An observational cohort study
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
Introduction: Over 400,000 out-of-hospital cardiac arrest (OHCA) occur each year in Canada and the United States with less than 10% survival to hospital discharge. Cardiac arrest is a heterogenous condition and patient outcomes are impacted by a multitude of factors. Prognostication is recommended at 72 hours after return of spontaneous circulation (ROSC), however there may be other factors that could predict patient outcome earlier in the post-arrest period. The objective of our study was to develop and internally validate a novel clinical prediction rule to risk stratify patients early in the post-cardiac arrest period. Methods: We performed a retrospective cohort study of adult (≥18 years) post-cardiac arrest patients between 2010 and 2015 from the Epistry Cardiac Arrest database in Toronto. Our primary analysis used ordinal logistic regression to examine neurologic outcome at discharge using the modified Rankin Scale (mRS). Our secondary analysis used logistic regression for neurologic outcome and survival to hospital discharge. Models were internally validated using bootstrap validation. Results: A total of 3432 patients met our inclusion criteria. Our clinical prediction model was able to predict neurologic outcome on an ordinal scale using our predefined variables with an AUC of 0.89 after internal validation. The predictive performance was maintained when examining neurologic outcome as a binary variable and survival to hospital discharge. Conclusion: We were able to develop a model to accurately risk stratify adult cardiac arrest patients early in the post-cardiac arrest period. Future steps are needed to externally validate this model in other healthcare settings.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle