Heterogeneity in mortality risk prediction: a study of vulnerable adults in the Canadian longitudinal study on aging
Notice bibliographique
Résumé
BACKGROUND: Mortality prediction models are essential for clinical decision-making, but their performance may vary across patient subgroups. This study aimed to evaluate how a general mortality prediction model performs across subgroups defined by vulnerability factors and to test whether model improvements could improve prediction accuracy. METHODS: We analyzed data from 49,266 participants in the Canadian Longitudinal Study on Aging. A general mortality prediction model (Model A) was developed using Cox proportional hazard regression with LASSO, incorporating variables spanning sociodemographic factors, lifestyle habits, comorbidities, and physical/cognitive function measures. Performance was evaluated across subgroups defined by age, frailty, multimorbidity, cognitive function, and functional impairment using discrimination (c-index), calibration, and Brier scores. We tested two additional strategies: incorporating subgroup-specific variables (Model B) and developing tailored models for different mortality risk categories (Models C1, C2, C3). RESULTS: Over a median 6-year follow-up, 7.5% (3672) participants died. The general model performed well overall (c-index: 0.82, 95% CI 0.80-0.84; Brier: 0.036, 95% CI 0.032-0.040), but performance varied across subgroups. It was lower in frail individuals (c-index: 0.73, 95% CI 0.71-0.75; Brier: 0.12, 95% CI 0.11-0.13) and those with multiple chronic conditions (c-index: 0.76, 95% CI 0.75-0.78; Brier: 0.08, 95% CI 0.07-0.08), with risk underestimated in these groups. Neither incorporating subgroup variables nor developing risk-stratified models significantly improved performance. CONCLUSION: Important variability in performance, particularly in vulnerable groups, highlights the limitations of a one-size-fits-all and underscores the need for more granular predictive models that account for subpopulation-specific characteristics to enhance mortality risk prediction.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».