Predictive Models Aid Prognostication
Notice bibliographique
Résumé
BACKGROUND: In a recent multicenter Canadian study in heart failure (HF), model predictions proved more accurate than physicians. OBJECTIVES: Simulating clinical practice, the authors evaluated the predictive value of combining model predictions with physician estimated 1-year mortality in HF outpatients. METHODS: This post hoc analysis of a Canadian multicenter cohort study included HF outpatients (left ventricular ejection fraction ≤40%). HF cardiologists and family doctors estimated patient 1-year mortality using clinical judgment. The Seattle HF Model (SHFM) predicted mortality. All patients were followed for 1 year to collect mortality. Stratified by specialty, we compared the performance of SHFM and physician estimates alone, with a model integrating physician and SHFM predictions using a random forest survival model, evaluating discrimination (C-statistic), calibration (observed vs predicted event rate), risk reclassification, and clinical net benefit. RESULTS: In 1,643 HF patients, 1-year mortality was 9% (95% CI: 8%-11%). The SHFM had adequate discrimination (C-statistic 0.76; 95% CI: 0.72-0.80) and excellent calibration. Physicians showed adequate discrimination (0.75; 95% CI: 0.71-0.79 for cardiologists; 0.72; 95% CI: 0.66-0.78 for family doctors) and poor calibration with significant risk overestimation. Integrating SHFM and physician predictions, discrimination significantly improved (0.82; 95% CI: 0.78-0.86 for cardiologists; 0.87; 95% CI: 0.83-0.91 for family doctors) with excellent calibration. By risk reclassification, among patients without events, the integrated model better risk-classified 71% (95% CI: 70%-72%) vs cardiologists and 60% (95% CI: 58%-61%) vs family doctors; among patients with events, the model misclassified 45% (95% CI: 58%-63%) vs cardiologists and 11% (95% CI: 25% to 3%) vs family doctors. The integrated model led to higher clinical benefit. CONCLUSIONS: Integrating SHFM predictions with physician judgment improved accuracy. Model-informed assessment provides prognostic accuracy for clinical decision-making. (Predicted Prognosis in Heart Failure Intuition; NCT04009798).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».