Development of a clinical prediction model for falls in individuals with COPD
Notice bibliographique
Résumé
BACKGROUND: Chronic obstructive pulmonary disease (COPD) is linked to an increased risk of falls, however, there is no accurate method for predicting falls in this population. This study aimed to develop and internally validate a clinical prediction model for falls in individuals with COPD. METHODS: A secondary analysis was conducted using data from a recent fall prevention trial. Participants with COPD who reported a 12-month history of falls, concerns with balance or recent near falls were tracked for falls over 12 months prospectively. Baseline data included demographics and measures of balance, mobility and health status. A predictive model was developed using backward-selected multivariate logistic regression with fall status (no falls versus ≥1 fall) as the dependent variable and 17 baseline candidate predictors as independent variables. Using the bootstrap resampling method for internal validation, model performance was assessed for discrimination by the concordance (c) statistic and calibration by the expected to observed (E:O) ratio, calibration in the large (CITL) and calibration slope. The final model was adjusted for optimism using the bootstrap shrinkage factor. RESULTS: Of 178 participants (mean age 73±9 years; 83 females), 74 (42%) reported ≥1 fall over 12 months, totalling 188 falls. The predictive model identified three factors associated with 12-month future falls: reporting a 12-month history of ≥2 falls (OR=3.59, CI (1.65 to 7.82)), more chronic conditions (OR=1.14, CI (1.01 to 1.28)) and worse Timed Up and Go Dual-Task test scores (OR=1.04, CI (1.00 to 1.09)). The final prediction model achieved acceptable discrimination (c-statistic=0.69, CI (0.61 to 0.78)) and calibration (E:O ratio=1.01, CITL=-0.01 and calibration slope=0.93). CONCLUSIONS: A history of ≥2 falls, having more chronic conditions and impaired mobility under cognitive demand predicts future falls in individuals with COPD. The prediction model showed acceptable internal validation. External validation is needed to confirm these findings. TRIAL REGISTRATION NUMBER: NCT02995681; clinicaltrials.gov.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».