Cutoff Values for Screening Post-Intensive Care Syndrome Using the Post-Intensive Care Syndrome Questionnaire
Notice bibliographique
Résumé
Background: Post-intensive care syndrome (PICS) affects over half of intensive care unit (ICU) survivors, impairing their long-term health and quality of life. Although the Post-Intensive Care Syndrome Questionnaire (PICSQ) was developed to measure PICS, validated cutoff values for screening are lacking. This study aimed to determine optimal cutoff values for each domain of the PICSQ. Methods: A total of 475 ICU survivors completed the PICSQ three months after discharge. Receiver operating characteristic (ROC) curve analyses were conducted to determine optimal cutoff values for each domain. The criterion tools included the Hospital Anxiety and Depression Scale, the Posttraumatic Diagnostic Scale, the Activities of Daily Living scale, and the Montreal Cognitive Assessment. Health-related quality of life and hospital readmission rates were compared between groups classified by the determined cutoffs. Results: The optimal cutoff values were ≥3 for mental, ≥7 for physical, and ≥2 for cognitive domains, with area under the curve (AUC) values of 0.83, 0.84, and 0.80, respectively. The participants scoring above these cutoffs had significantly lower quality of life and higher readmission rates. Conclusions: The determined cutoff values may support early screening of PICS in ICU survivors, enabling timely interventions to improve long-term outcomes. Further research is needed to validate these values in diverse populations.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».