Prédiction de mortalité et prise de décision clinique : vers des soins centrés sur le patient
Notice bibliographique
Résumé
Contexte : Les modèles de prédiction de la mortalité jouent un rôle essentiel dans les soins de santé, guidant la prise de décision et améliorant les résultats pour les patients. Bien que les modèles généraux offrent une large applicabilité, leur précision dans divers sous-groupes reste incertaine. Objectif : Cette étude visait à évaluer la performance d'un modèle général de prédiction de la mortalité lorsqu'il est appliqué à divers sous-groupes en utilisant les données de l’Étude longitudinale canadienne sur le vieillissement (ÉLCV). Méthodes : Nous avons analysé les données de 49 266 participants. Un modèle de Cox avec LASSO a été utilisé pour développer le modèle et pour la sélection des variables. La performance du modèle a été évaluée à l'aide de mesures de discrimination (c-index), de calibration (graphe de calibration) et de performance globale (Brier score). Les sous-groupes ont été définis par l'âge, la fragilité, la multimorbidité, la fonction cognitive et l'indépendance fonctionnelle, avec une évaluation de la performance du modèle dans chaque sous-groupe. Résultats : Le modèle général de prédiction de la mortalité a montré une forte performance dans la cohorte globale. Cependant, la performance variait selon les sous-groupes. Notamment, le modèle avait tendance à sous-estimer le risque chez les individus fragiles, ceux présentant une déficience cognitive ou des conditions chroniques multiples. Conclusion : Nos résultats révèlent une variabilité importante de la performance d'un modèle général de prédiction de la mortalité entre différents sous-groupes, mettant en évidence les limites d'une approche unique en matière de prédiction du risque de mortalité. L'étude souligne la nécessité de modèles personnalisés qui prennent en compte les nuances au sein de cohortes de patients spécifiques, afin d'améliorer la précision et l'équité des prédictions. Cette recherche ouvre la voie à des avancées dans la modélisation prédictive, cruciales pour la réalisation de la prise en charge personnalisée dans le contexte d'une population vieillissante aux profils de santé complexes.
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 | 0,011 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».