MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389940656 · doi:10.1161/circ.148.suppl_1.12022

Abstract 12022: Transcatheter Aortic Valve Implantation Wait-Time Management: Derivation and Validation of the Canadian TAVI Triage Tool (CAN3T)

2023· article· en· W4389940656 sur OpenAlexaffabout
Rafael N. Miranda, Feng Qiu, Ragavie Manoragavan, Peter C. Austin, David Naimark, Stephen E. Fremes, Dennis T. Ko, Mina Madan, Mamas Mamas, Maneesh Sud, Derrick Y. Tam, Harindra C. Wijeysundera

Notice bibliographique

RevueCirculation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensUniversity of TorontoSunnybrook Health Science CentreInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineTriageRetrospective cohort studyPopulationEmergency medicineStenosisObservational studyAdverse effectCohortInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Transcatheter aortic valve implantation (TAVI) for patients with aortic stenosis has seen indication expansion and exponential growth in demand over the last decade. In many jurisdictions the growing demand outpaced capacity, increasing wait-times and pre-procedural adverse events. Objective: To derive prediction models that estimate the risk of adverse events on the waitlist that would inform the development of a triage tool for use by clinicians to identify patients who should be prioritized for TAVI. Methods: We conducted an observational retrospective cohort study using population-based administrative data from Ontario, Canada. Adult patients referred for TAVI from April 1 st , 2012 to March 31 st , 2020 were included and followed-up to the first of: death, TAVI procedure, removal from waitlist, or end of the observation period. We used competing risk subdistributions hazards models to find significant predictors for each of the following outcomes: (1) all-cause death while on the waitlist, (2) all-cause hospitalization while on the waitlist, (3) receipt of urgent TAVI, and (4) a composite of outcomes 1-3. The median predicted risk in our population at 12 weeks was chosen as a threshold for a maximum acceptable risk while on the waitlist, and was incorporated in the triage tool to recommend individualized wait-times. Results: We included 13,128 patients in the analyses. 586 (4.46%) patients died on the waitlist, and 4,343 (33.08%) had at least one all-cause hospitalization. 6,854 TAVIs were completed, of which 1,135 (16.56%) were urgent procedures. We were able to create parsimonious models for each outcome that included clinically relevant predictors. Optimism-corrected C-statistics varied from 0.63 to 0.75, optimism-corrected Brier scores from 0.03 to 0.19, and the calibration slopes from 0.79 to 0.99. Conclusions: We developed the Canadian TAVI Triage Tool (CAN3T), a triage tool to assist clinicians in the prioritization of patients who should have timely access to TAVI. We anticipate that the CAN3T will be a valuable support tool for patients and clinicians, with the potential of bringing meaningful changes to the health system as it may improve equity in access to care, reduce preventable adverse events and improve system efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,265

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetCardiac Valve Diseases and Treatments→Travaux en français237 207→