Development and validation of a population-based risk algorithm for premature mortality in Canada: the Premature Mortality Population Risk Tool (PreMPoRT)
Notice bibliographique
Résumé
Introduction: To develop and validate the Premature Mortality Population Risk Tool (PreMPoRT), a population-based risk algorithm that predicts the 5-year incidence of premature mortality among the Canadian adult population. Methods: Retrospective cohort analysis used six cycles of the Canadian Community Health Survey linked to the Canadian Vital Statistics Database (2000-2017). The cohort comprised 500 870 adults (18-74 years). Predictors included sociodemographic factors, self-perceived measures, health behaviours and chronic conditions. Three models (minimal, primary and full) were developed. PreMPoRT was internally validated using a split set approach and externally validated across three hold-out cycles. Performance was assessed based on predictive accuracy, discrimination and calibration. Results: The cohort included 267 460 females and 233 410 males. Premature deaths occurred in 1.40% of females and 2.05% of males. Primary models had 12 predictors (females) and 13 predictors (males). Shared predictors included age, income quintile, education, self-perceived health, smoking, emphysema/chronic obstructive pulmonary disease, heart disease, diabetes, cancer and stroke. Male-specific predictors were marital status, Alzheimer's disease and arthritis while female-specific predictors were body mass index and physical activity. External validation cohort differed slightly in demographics. Female model performance: split set (c-statistic: 0.852), external (c-statistic: 0.856). Male model performance: split set and external (c-statistic: 0.846). Calibration showed slight overprediction for high-risk individuals and good calibration in key subgroups. Conclusions: PreMPoRT achieved the strongest discrimination and calibration among existing prediction models for premature mortality. The model produces reliable estimates of future incidence of premature mortality and may be used to identify subgroups who may benefit from public health interventions.
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 | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».