Catheterization for Congenital Heart Disease Adjustment for Risk Method II
Notice bibliographique
Résumé
BACKGROUND: Current metrics used to adjust for case mix complexity in congenital cardiac catheterization are becoming outdated due to the introduction of novel procedures, innovative technologies, and expanding patient subgroups. This study aims to develop a risk adjustment methodology introducing a novel, clinically meaningful adverse event outcome and incorporating a modern understanding of risk. METHODS: Data from diagnostic only and interventional cases with defined case types were collected for patients ≤18 years of age and ≥2.5 kg at all Congenital Cardiac Catheterization Project on Outcomes participating centers. The derivation data set consisted of cases performed from 2014 to 2017, and the validation data set consisted of cases performed from 2019 to 2020. Severity level 3 adverse events were stratified into 3 tiers by clinical impact (3a/b/c); the study outcome was clinically meaningful adverse events, severity level ≥3b (3bc/4/5). RESULTS: The derivation data set contained 15 224 cases, and the validation data set included 9462 cases. Clinically meaningful adverse event rates were 4.5% and 4.2% in the derivation and validation cohorts, respectively. The final risk adjustment model included age <30 days, Procedural Risk in Congenital Cardiac Catheterization risk category, and hemodynamic vulnerability score (C statistic, 0.70; Hosmer-Lemeshow P value, 0.83; Brier score, 0.042). CONCLUSIONS: CHARM II (Congenital Heart Disease Adjustment for Risk Method II) risk adjustment methodology allows for equitable comparison of clinically meaningful adverse events among institutions and operators with varying patient populations and case mix complexity performing pediatric cardiac catheterization.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,005 |
| 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 ».