Development of Multivariable Prediction Models for 30-Day Risk of Readmission After COPD Hospital Admission: A Retrospective Cohort Study Using Electronic Medical Record Data from 7 Hospitals
Notice bibliographique
Résumé
BACKGROUND: Approximately 20% of patients who are discharged from hospital for an acute exacerbation of COPD (AECOPD) are readmitted within 30 days. Prediction scores are helpful to identify those who are at higher risk of readmission, such that they can be prioritized for readmission-reducing interventions. OBJECTIVES: To develop and determine the accuracy and precision of a clinical prediction model using data available in electronic medical records to predict 30-day readmission in patients discharged after a hospitalization with an AECOPD. METHODS: A dataset was created using all admissions to General Internal Medicine from 2012 to 2018 at seven hospitals in Toronto, Canada. We fit and internally validated models with six algorithms. RESULTS: Of the 16,314 patients admitted with an exacerbation of COPD, 15.4% were readmitted at 30 days. Top-performing models included LASSO, logistic regression, linear discriminant analysis, and XGBoost with C-statistics of 0.688 ± 0.024, 0.690 ± 0.026, 0.687 ± 0.023, and 0.686 ± 0.022. The four top models had similarly high specificity (96%-98%) with poor sensitivity (14%-20%) at a decision threshold of 50%. At a more aggressive decision threshold of 20%, specificity was less (69%-73%) with a modest improvement in sensitivity (55%-59%). The most important predictor of readmission risk was the number of hospitalizations in the previous year. CONCLUSION: We generated clinical prediction models to predict all-cause 30-day readmissions after an acute exacerbation using data from 7 hospitals' electronic medical records. Further work should be done to improve performance, especially sensitivity.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».