External validation of a prognostic model in routine practice for short- and long-term survival in peritoneal dialysis
Notice bibliographique
Résumé
BackgroundThere are several indices to predict survival at dialysis start but tools to predict mortality for prevalent patients are lacking. This study provides evidence for external validity of the Cohen model to assess 6-, 12-, and 18-months survival of prevalent peritoneal dialysis (PD) patients.MethodsProspective cohort study of 464 PD patients in a university-based program between 2015 and 2019. Survival probabilities were compared to observed survival. Discrimination and calibration were assessed through predicted risk-stratified observed survival, cumulative area under the curve, Somer's Dxy, and a calibration slope estimate.ResultsDiscrimination performance was moderate with c-statistic of 0.73 to 0.74 for all 3 time points. The model over predicted mortality risk with the best predictive accuracy for 6-month survival. The difference between observed and mean predicted survival at 6, 12, and 18 months was 3.1%, 5.5%, and 11.0%. Kaplan-Meier curves showed good discrimination between low- and high-risk patients with hazard ratios [95% confidence interval (CI)]: C4 vs C1 32.0 [4.3-236.5]. Miscalibration of the model was the greatest for the highest risk patient group in whom 12 and 18 months predicted survival was 15% and 28% lower than observed survival.ConclusionsThe Cohen prognostic model can identify PD patients at high risk for death over 6, 12, and 18 months. Given it overestimates mortality risk for the highest risk patients, care must be taken to not use predictions to withhold treatment but rather to risk stratify and identify those who may benefit from enhanced kidney supportive care. This miscalibration provides an imperative to refine the tool for PD 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».