MétaCan
Menu
Retour à la cohorte
Enregistrement W7053335063

Validación prospectiva de siete sistemas locales e internacionales de evaluación del riesgo en cirugía cardíaca

2006· other· es· W7053335063 sur OpenAlexaboutno aff

Notice bibliographique

RevueRedalyc (Universidad Autónoma del Estado de México) · 2006
Typeother
Languees
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisPopulationStatistical significanceHospital discharge
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

"Introducción En la Argentina se elaboraron varios modelos de ajuste por riesgo (scores) de mortalidad en cirugía cardíaca que en general no fueron validados en poblaciones diferentes de las que les dieron origen. Asimismo, distintos cirujanos utilizan diferentes scores para comparar y presentar sus resultados. Objetivos El presente trabajo se llevó a cabo con el propósito de evaluar el desempeño de siete scores de riesgo de mortalidad en cirugía cardíaca de uso corriente en nuestro medio. Material y métodos Se analizaron prospectivamente 502 pacientes sometidos a cirugía cardíaca entre 2004 y 2005. Se identificaron las variables preoperatorias para el cálculo de siete scores de riesgo de mortalidad, cuatro internacionales, Parsonnet, Ontario, EuroSCORE y Cleveland, y tres locales, CONAREC, Español y Favaloro. Para determinar la discriminación, la precisión y la calibración de cada score, se calculó el riesgo esperado promedio de cada uno, la bondad de ajuste de Hosmer y Lemeshow, el coeficiente Q, las áreas ROC, el índice de Shannon y tres métodos gráficos. Resultados La comparación de las áreas ROC para todo tipo de cirugía cardíaca mostró que el EuroSCORE tuvo la mejor área (78,7%), junto con el score del Español (78,6%). Aunque estos modelos tuvieron el valor predictivo más alto, no se encontraron diferencias estadísticas al compararlos con el resto de los modelos. Para la cirugía coronaria, el EuroSCORE nuevamente mostró la mejor predicción (76,3%), y luego el de Cleveland (76,0%), a pesar de que tampoco se hallaron diferencias estadísticas con el resto de los scores. Para todo tipo de cirugía, el Ontario tuvo el mejor índice de Shannon global (0,913), pero el peor índice de fallecidos (0,074), lo cual indica que otorgó riesgos esperados más bajos a los sobrevivientes, pero también riesgos bajos a los que murieron. Por su parte, el EuroSCORE se ubicó en segundo lugar para el índice global (0,905) y el de fallecidos (0,106). Para la cirugía coronaria, el Español tuvo el índice global más alto (0,945), pero también el índice de fallecidos más bajo (0,050), lo que señala una buena precisión en el primer caso y una mala precisión cuando sólo se consideran los fallecidos. En el EuroSCORE, los índices de Shannon de 0,926 y 0,073 lo ubican ligeramente en mejor posición al evaluar los dos tipos de valores. Conclusiones La comparación de siete scores para estratificar el riesgo de mortalidad en la cirugía cardíaca demostró que el EuroSCORE tuvo el mejor desempeño, tanto para los procedimientos valvulares como para los coronarios. Por su parte, el score del Español tuvo un desempeño similar cuando se consideraron todos los tipos de cirugía, mientras que el de Cleveland fue mejor para estratificar el riesgo de los coronarios. De acuerdo con el índice de Shannon, la precisión para predecir mortalidad a nivel del paciente individual fue pobre con todos los modelos."

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,045
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,237

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,074
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,262
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRedalyc (Universidad Autónoma del Estado de México)Même sujetMagnetic confinement fusion researchTravaux en français237 207