Effects of the National Institutes of Health Stroke Scale and Modified Rankin Scale on Predictive Models of 30-Day Nonelective Readmission and Mortality After Ischemic Stroke: Cohort Study
Notice bibliographique
Résumé
Background: Patients with stroke have high rates of all-cause readmission and case fatality. Limited information is available on how to predict these outcomes. Objective: We aimed to assess whether adding the initial National Institutes of Health Stroke Scale (NIHSS) score or modified Rankin scale (mRS) score at discharge improved predictive models of 30-day nonelective readmission or 30-day mortality poststroke. Methods: Using a cohort of patients with ischemic stroke in a large multiethnic integrated health care system from June 15, 2018, to April 29, 2020, we tested 2 predictive models for a composite outcome (30-day nonelective readmission or death). The models were based on administrative data (Length of Stay, Acuity, Charlson Comorbidities, Emergency Department Use score; LACE) as well as a comprehensive model (Transition Support Level; TSL). The models, initial NIHSS score, and mRS scores at discharge, were tested independently and in combination with age and sex. We assessed model performance using the area under the receiver operator characteristic (c-statistic), Nagelkerke pseudo-R2, and Brier score. Results: The study cohort included 4843 patients with 5014 stroke hospitalizations. Average age was 71.9 (SD 14) years, 50.6% (2537/5014) were female, and 52.1% (2614/5014) were White. Median initial NIHSS score was 4 (IQR 2-8). There were 538 (10.7%) nonelective readmissions and 150 (3.9%) deaths within 30 days. The logistic models revealed that the best performing models were TSL (c-statistic=0.69) and TSL plus mRS score at discharge (c-statistic=0.69). Conclusions: We found that neither the initial NIHSS score nor the mRS score at discharge significantly enhanced the predictive ability of the LACE or TSL models. Future efforts at prediction of short-term stroke outcomes will need to incorporate new data elements.
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 | 0,047 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,006 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».