Assessing the validity of post-discharge readmission and mortality as a composite outcome among newborns in Uganda
Notice bibliographique
Résumé
Abstract Background Composite outcomes, which include mortality and readmission rates, are often used in risk prediction models following hospital discharge when event rates for the primary outcome of interest, mortality, are low. However, increased readmission rates may result in decreased mortality making interpretation of the composite outcome difficult. We assess the usefulness of a composite outcome of post-discharge readmission and mortality as a target outcome in this context. Methods This was a secondary analysis of data collected among mothers and their newborn(s) admitted for delivery at two regional referral hospitals in Uganda. Six-week post-discharge mortality (all-cause) and readmission in newborn infants were analyzed using a competing risk framework. The Sub distribution Hazard Ratios (SHRs) were compared across predictor variables to examine the relationship between the two outcomes. Results Of the 206 predictors, 81 had a consistent association with both outcomes. These include a higher weight (Mortality SHR: 0.14, Readmission SHR: 0.68) and length of the baby (Mortality SHR: 0.85, Readmission SHR: 0.91). However, 125 variables depicted an association in opposing directions for both outcomes which may be linked to social and financial barriers to care-seeking. These include a travel time to the hospital of greater than 1 hour (Mortality SHR: 1.4, Readmission SHR: 0.28). Conclusion While mortality is unequivocally a negative outcome, readmission may be a positive outcome, reflecting health seeking, or a negative outcome, reflecting recurrent illness. This directional dichotomy is reflected to varying degrees within different variables. When using a composite outcome for a prediction model, caution should be exercised to ensure that the model identifies individuals at risk of the intended outcomes of interest, rather than merely the proxies used to represent those outcomes. Identifying predictors with a consistent relationship for both outcomes may yield a more optimized and less biased prediction model for use in clinical care.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».