Effectiveness of predictive scoring systems in predicting mortality in relation to baseline kidney function in adult intensive care unit patients: a systematic review protocol
Notice bibliographique
Résumé
INTRODUCTION: Predictive scoring systems support clinicians in decision-making by estimating the prognosis of patients in intensive care units (ICUs). However, there is limited evidence on the accuracy of these systems in predicting mortality and organ dysfunction in special populations. The aim of this review is to assess the performance of predictive scoring systems in forecasting mortality in adult ICU patients in relation to baseline kidney function. It is anticipated that the assessment of predictive scoring systems' performance and patient outcomes in this review may reveal information that will contribute to improve the quality of care and outcomes for special or under-represented ICU patient populations. It might also inform future research and contribute to the development of novel risk prediction models to address identified gaps or unanswered questions. METHODS AND ANALYSIS: This review will include only observational studies, as these allow us to assess the real-world performance of predictive scoring systems in ICU settings by examining the original validation studies. By excluding randomised trials, paediatric studies, case reports and machine learning-derived models, this review focuses on the direct practical use of the scoring systems in adult ICU patients. A comprehensive search of MEDLINE, Embase and Scopus was conducted from database inception to 10 October 2024. The data will be extracted on study characteristics, patient outcomes and performance metrics. ETHICS AND DISSEMINATION: This review will analyse data from previously published studies; no ethical approval is required. All data that will be included in the analysis will be publicly available and will be included in the final manuscript. Results will be disseminated through publication in a peer-reviewed journal and will also be presented at seminars and conferences. PROSPERO REGISTRATION NUMBER: CRD42024611547.
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 | 0,034 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,019 | 0,014 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,003 |
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 ».