Multimodal Neuroprognostication of Poor Neurological Outcomes after Cardiac Arrest: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Brain injury related to hypoxic-ischemic insults post-cardiac arrest is a highly morbid and often fatal condition for which neuroprognostication remains challenging. There has been a significant increase in studies assessing the accuracy of multimodal approaches in predicting poor neurological outcomes post-cardiac arrest, and contemporary guidelines recommend this approach. We conducted a systematic review to assess multimodal versus unimodal approaches in neuroprognostication for predicting a poor neurological outcome for adult post-cardiac arrest patients at hospital discharge or beyond. METHODS: PRISMA methodological standards were followed. MEDLINE, EMBASE and CINAHL were searched from inception until January 18, 2024, with no restrictions. Abstract and full-text review was completed in duplicate. Original studies assessing the prognostic accuracy (specificity and false positive rate [FPR]) of multimodal compared with unimodal approaches were included. The risk of bias was assessed using the QUIPS tool. Data were extracted in duplicate. RESULTS: Of 791 abstracts, 12 studies were included. The FPR in predicting poor neurological outcomes ranged from 0% to 5% using a multimodal approach compared to 0% to 31% with a unimodal test. The risk of bias was moderate to high for most components. CONCLUSIONS: A multimodal approach may improve the FPR in predicting poor neurological outcomes of post-cardiac arrest patients.
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 | 0,006 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».