Frailty risk prediction models in maintenance hemodialysis patients: a systematic review and meta-analysis of model performance and methodological quality
Notice bibliographique
Résumé
BACKGROUND: Frailty affects outcomes in maintenance hemodialysis (MHD) patients, highlighting the need for reliable predictive tools. Despite the rise of predictive models, the clinical validity and scientific quality of these models remain unknown. OBJECTIVE: The purpose of this systematic review is to assess the clinical usefulness, predictive accuracy, and methodological quality of the current frailty risk prediction models in patients with MHD. METHODS: Databases including PubMed, Embase, Cochrane Library, CNKI, and others were comprehensively searched until August 2024. Studies that created or validated frailty risk prediction models for adult MHD patients were considered. The Newcastle-Ottawa Scale (NOS) and PROBAST were used to measure quality. The meta-analysis examined common predictive factors. RESULTS: Twelve of the 824 papers that reported 14 prediction models satisfied the inclusion criteria. The most common method was logistic regression. Frailty prevalence ranged from 17.2% to 79.2%. Age, albumin, depression, and dietary condition were among the variables that were most often found. Model performance varied considerably, with area under the curve (AUC) ranging from 0.72 to 0.998. All studies had significant methodological deficiencies. CONCLUSIONS: Existing frailty risk prediction models demonstrate potential utility but currently suffer from significant methodological flaws and limited external validation, impairing their clinical applicability. Future models should emphasize rigorous study design, standardized statistical methods, and robust external validation. Clinicians should cautiously interpret existing models while focusing on critical predictors such as age, albumin, depression, and nutrition for frailty management in MHD 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 | 0,066 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,046 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».