Preoperative estimated glomerular filtration rate to predict cardiac events in major noncardiac surgery: a secondary analysis of two large international studies
Notice bibliographique
Résumé
BACKGROUND: Optimised use of kidney function information might improve cardiac risk prediction in noncardiac surgery. METHODS: In 35,815 patients from the VISION cohort study and 9219 patients from the POISE-2 trial who were ≥45 yr old and underwent nonurgent inpatient noncardiac surgery, we examined (by age and sex) the association between continuous nonlinear preoperative estimated glomerular filtration rate (eGFR) and the composite of myocardial injury after noncardiac surgery, nonfatal cardiac arrest, or death owing to a cardiac cause within 30 days after surgery. We estimated contributions of predictive information, C-statistic, and net benefit from eGFR and other common patient and surgical characteristics to large multivariable models. RESULTS: =0.79). eGFR contributed the most predictive information and mean net benefit of all predictors in both studies, most C-statistic in VISION, and third most C-statistic in POISE-2. CONCLUSIONS: Continuous preoperative eGFR is among the best cardiac risk predictors in noncardiac surgery of the large set examined. Along with its interaction with age, preoperative eGFR would improve risk calculators. CLINICAL TRIAL REGISTRATION: ClinicalTrials.gov NCT00512109 (VISION) and NCT01082874 (POISE-2).
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».