Validation of arteriovenous access stage (AVAS) classification: a prospective, international multicentre study
Notice bibliographique
Résumé
ABSTRACT Background The arteriovenous access stage (AVAS) classification provides evaluation of upper extremity vessels for vascular access (VA) suitability. It divides patients into classes within three main groups: suitable for native fistula (AVAS1) or prosthetic graft (AVAS2), and patients not suitable for conventional native or prosthetic VA (AVAS3). We validated this system on a prospective dataset. Methods A prospective, international observational study (NCT04796558) involved 11 centres from 8 countries. Patient recruitment was from March 2021 to January 2024. Demographic data, risk factors, vessels parameters, VA types, AVAS class and early VA failure were collected. Percentage agreement was used to assess predictive ability of AVAS (comparison of AVAS and created VA) and consistency of AVAS assessment between evaluators. Pearson's Chi-squared test was used for comparison of early failure rate of conventional (predicted by AVAS) and unconventional (not predicted by AVAS) VA. Results From 1034 enrolled patients, 935 had arteriovenous fistula or graft, 99 patients did not undergo VA creation due opting for alternative renal replacement therapies, experiencing health complications, death or non-compliance. AVAS1 had 91.2%, AVAS2 7.2% and AVAS3 1.6% of patients. Agreement between evaluators was 89%. The most frequently created VAs were radial-cephalic (46%) and brachial-cephalic (27%) fistulae. The accuracy of AVAS versus created access was 79%. In comparison, VA predicted by clinicians versus created access was 62.1%. Inaccuracy of AVAS prediction was more common with higher AVAS classes, and the most common reason for inaccuracy was creation of distal VA despite less favourable anatomy (17%). Patients with unconventional VA had higher early failure rate than patients with conventional VA (20% vs 9.3%, respectively, P = .002) Conclusion AVAS is effective in predicting VA creation, but overall accuracy is reduced at higher AVAS classes when the complexity of decision-making increases and proximal vessels require preservation. When AVAS was followed by clinicians, early failure was significantly decreased.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».