Development and internal validation of time-to-event risk prediction models for major medical complications within 30 days after elective colectomy
Notice bibliographique
Résumé
BACKGROUND: Patients undergoing colectomy are at risk of numerous major complications. However, existing binary risk stratification models do not predict when a patient may be at highest risks of each complication. Accurate prediction of the timing of complications facilitates targeted, resource-efficient monitoring. We sought to develop and internally validate Cox proportional hazards models to predict time-to-complication of major complications within 30 days after elective colectomy. METHODS: We studied a retrospective cohort from the multicentered American College of Surgeons National Surgical Quality Improvement Program procedure-targeted colectomy dataset. Patients aged 18 years or above, who underwent elective colectomy between January 1, 2014 and December 31, 2019 were included. A priori candidate predictors were selected based on variable availability, literature review, and multidisciplinary team consensus. Outcomes were mortality, hospital readmission, myocardial infarction, cerebral vascular events, pneumonia, venous thromboembolism, acute renal failure, and sepsis or septic shock within 30 days after surgery. RESULTS: The cohort consisted of 132145 patients (mean ± SD age, 61 ± 15 years; 52% females). Complication rates ranged between 0.3% (n = 383) for cardiac arrest and acute renal failure to 5.3% (n = 6986) for bleeding requiring transfusion, with readmission rate of 8.6% (n = 11415). We observed distinct temporal patterns for each complication: the median [quartiles] postoperative day of complication diagnosis ranged from 1 [0, 2] days for bleeding requiring transfusion to 12 [6, 18] days for venous thromboembolism. Models for mortality, myocardial infarction, pneumonia, and renal failure showed good discrimination with a concordance > 0.8, while models for readmission, venous thromboembolism, and sepsis performed poorly with a concordance of 0.6 to 0.7. Models exhibited good calibration but ranges were limited to low probability areas. CONCLUSIONS: We developed and internally validated time-to-event prediction models for complications after elective colectomy. Once further validated, the models can facilitate tailored monitoring of high risk patients during high risk periods. TRIAL REGISTRATION: Clinicaltrials.gov (NCT05150548; Principal Investigator: Janny Xue Chen Ke, M.D., M.Sc., F.R.C.P.C.; initial posting: November 25, 2021).
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 | 0,031 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».