Predicting All-Cause Mortality in Patients with Advanced CKD
Notice bibliographique
Résumé
Background: Patients with advanced CKD are at high risk of mortality, kidney failure and cardiovascular events. Accurately identifying patients that are at a higher risk for mortality may aid in clinical decision making and preventing unnecessary dialysis therapies that may cause more harm. We developed and externally validated a risk prediction tool using commonly collected clinical measurements to predict all-cause mortality among patients with advanced CKD. Methods: We developed a prediction model using demographic, clinical and laboratory data in adult patients (≥ 18 years) with advanced CKD (eGFR <30 mL/min/1.73m2) from Manitoba, Canada, between January 2012, and September 2020, with external validation from Ontario, Canada. Our primary outcome was time to all-cause mortality. If dialysis was initiated in follow-up, we ascertained all-cause mortality within 1 year of dialysis initiation. We assessed model discrimination using the area under the receiver operating characteristic curve (AUC) and calibration using plots of observed and predicted risks. Results: The development cohort included 397 patients (mean age 65.4 ± 13.9) with 121 events. The final model included age, sex, estimated GFR, hemoglobin, serum albumin and congestive heart failure and achieved a 2-year and 5-year AUC of 74.3 (CI: 68.4 - 80.1) and 80.2 (CI: 75.3 - 85.1), respectfully. Discrimination and calibration were adequate in the external validation data set with 2-year and 5-year AUC scores of 71.4 (CI: 70.8 - 72.0) and 73.0 (CI: 72.5 - 73.5). Conclusions: We developed a simple prediction model that included commonly measured variables that can accurately predict all-cause mortality in patients with advanced CKD. This equation may aid as a support tool for nephrologists in dialysis decision making, especially in patients who are at high risk of mortality.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».