Development and Validation of a Predictive Risk Algorithm for Bleeding in Individuals on Long-term Hemodialysis: An International Prospective Cohort Study (BLEED-HD)
Notice bibliographique
Résumé
Background:Individuals with kidney disease are at a high risk of bleeding and as such tools that identify those at highest risk may aid mitigation strategies.Objective:We set out to develop and validate a prediction equation (BLEED-HD) to identify patients on maintenance hemodialysis at high risk of bleeding.Design:International prospective cohort study (development); retrospective cohort study (validation).Settings:Development: 15 countries (Dialysis Outcomes and Practice Patterns Study [DOPPS] phase 2-6 from 2002 to 2018); Validation: Ontario, Canada.Patients:Development: 53 147 patients; Validation: 19 318 patients.Measurements:Hospitalization for a bleeding event.Methods:Cox proportional hazards models.Results:Among the DOPPS cohort (mean age, 63.7 years; female, 39.7%), a bleeding event occurred in 2773 patients (5.2%, event rate 32 per 1000 person-years), with a median follow-up of 1.6 (interquartile range [IQR], 0.9-2.1) years. BLEED-HD included 6 variables: age, sex, country, previous gastrointestinal bleeding, prosthetic heart valve, and vitamin K antagonist use. The observed 3-year probability of bleeding by deciles of risk ranged from 2.2% to 10.8%. Model discrimination was low to moderate (c-statistic = 0.65) with excellent calibration (Brier score range = 0.036-0.095). Discrimination and calibration of BLEED-HD were similar in an external validation of 19 318 patients from Ontario, Canada. Compared to existing bleeding scores, BLEED-HD demonstrated better discrimination and calibration (c-statistic: HEMORRHAGE = 0.59, HAS-BLED = 0.59, and ATRIA = 0.57, c-stat difference, net reclassification index [NRI], and integrated discrimination index [IDI] all <i>P</i> value <.0001).Limitations:Dialysis procedure anticoagulation was not available; validation cohort was considerably older than the development cohort.Conclusion:In patients on maintenance hemodialysis, BLEED-HD is a simple risk equation that may be more applicable than existing risk tools in predicting the risk of bleeding in this high-risk population.
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 | 0,000 |
| 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 | 0,001 | 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 ».