The role of surgeon’s intuition for acute type A aortic dissection in an era of evidence-based medicine: a prospective cohort study
Notice bibliographique
Résumé
Background: Intuition may play a role in clinical practice. This prospective cohort study aimed to explore whether surgeons' intuition is valid in predicting the operative mortality of acute type A aortic dissection (ATAAD). Methods: After admission (before surgery), attending surgeons were asked to rate the mortality on a scale of 1 to 10, with 1 to 3 representing unlikely, 4-6 possible, and 7-10 very likely. The area under the curve (AUC) of receiver operating characteristic (ROC) analysis was performed to assess the accuracy of prediction models. Results: 8.0 (7.0, 10.0)] was observed in the mortality group, compared to the survival group. The odds ratio (OR) for Surgeon's Score was 1.32 [95% confidence interval (CI): 1.09-1.66, P=0.009]. Least absolute shrinkage and selection operator (LASSO) regression picked the following variables as significant predictors for early mortality of ATAAD: Surgeon's Score, Penn classification, age, aortic regurgitation, coronary artery disease, chronic obstructive pulmonary disease, platelet count, and ejection fraction. The AUC for the German Registry for Acute Aortic Dissection Type A (GERAADA) score and Surgeon's Score were 0.740 (95% CI: 0.625-0.854), and 0.710 (95% CI: 0.586-0.833), respectively. The combined model of GERAADA score and Surgeon's Score yielded an AUC of up to 0.761 (95% CI: 0.638-0.884). Conclusions: Intuition certainly has a place alongside evidence-based medicine. The duet of intuition and statistics-based scoring systems allows us to make more accurate predictions, potentially resulting in more rational clinical decisions.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».