Derivation and validation of a mortality risk prediction model in older adults needing home care: Updating the RESPECT (Risk Evaluation for Support: Predictions for Elder-Life in their Communities Tool) algorithm for use with data from the interRAI Home Care Assessment System
Notice bibliographique
Résumé
<ns3:p>Background Despite an increasing number of risk prediction models being developed within the healthcare space, few have been widely adopted and evaluated in clinical practice. RESPECT, a mortality risk communication tool powered by a prediction algorithm, has been implemented in the home care setting in Ontario, Canada, to support the identification of palliative care needs among older adults. We sought to re-estimate and validate the RESPECT algorithm in contemporary data. Methods The study and derivation cohort comprised adults living in Ontario aged 50 years and older with at least 1 interRAI Home Care (interRAI HC) record between April 1, 2018 and September 30, 2019. Algorithm validation used 500 bootstrapped samples, each containing a 5% random selection from the total cohort. The primary outcome was mortality within 6 months following an interRAI HC assessment. We used proportional hazards regression with robust standard errors to account for clustering by the individual. Kaplan–Meier survival curves were estimated to derive the observed risk of death at 6 months for assessment of calibration and median survival. Finally, 61 risk groups were constructed based on incremental increases in the observed median survival. Results The study cohort included 247,377 adults and 35,497 deaths (14.3%). The mean predicted 6-month mortality risk was 18.0% and ranged from 1.5% (95% CI 1.0%–1.542%) in the lowest to 96.0 % (95% CI 95.8%–96.2%) in the highest risk group. Estimated median survival spanned from 36 days in the highest risk group to over 3.5 years in the lowest risk group. The algorithm had a c-statistic of 0.76 (95% CI 0.75-0.77) in our validation cohort. Conclusions RESPECT demonstrates good discrimination and calibration. The algorithm, which leverages routinely-collected information, may be useful in home care settings for earlier identification of individuals who might be nearing the end of life.</ns3:p>
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».