相关实验视频
Updated: Jun 15, 2025

An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
外部验证和对四个严重孕产妇发病率预测得分的比较
Alyssa C Savelli Binsted1, George Saade1, Tetsuya Kawakita1
1Department of Obstetrics and Gynecology, Eastern Virginia Medical School, Norfolk, VA.
加州孕产妇质量护理协作 (CMQCC) 评分系统显示,预测严重孕产妇发病率 (SMM) 的最佳歧视. 虽然围产期卓越评估 (APEX) 评分提供了高灵敏度,但仍需要改善SMM的预测工具.
科学领域:
- 产科和妇科 产科和妇科
- 孕产妇健康 孕产妇健康
- 改善医疗保健质量 改善医疗保健质量
背景情况:
- 严重的孕产妇发病率 (SMM) 是美国日益严重的公共卫生问题.
- 现有的评分系统旨在识别高风险SMM的个人.
研究的目的:
- 为了比较四个不同的分数系统的预测有效性,用于严重的孕产妇发病率.
- 评估这些风险评分工具的差别性性能和校准.
主要方法:
- 使用安全劳动协会数据集 (2002-2008) 的回顾性队列研究.
- 分析包括153,463个人,不包括那些缺乏风险因素数据的人.
- 四个评分系统 (APEX,CMQCC,OB-CMI,修改的OB-CMI) 被评估为预测SMM (不包括输血).
- 区分能力是用曲线下的面积 (AUC) 来衡量的;使用校准图表来评估合适度.
主要成果:
- CMQCC评分系统表现出优异的区分性能,最高的AUC (0.78).
- 阿佩克斯和产科并发症指数 (OB-CMI) 显示出了很好的校准,表明了良好的适应性.
- 在其最佳切割点上,APEX得分获得了最高的灵敏度 (71%).
结论:
- CMQCC和APEX评分系统表现出对预测SMM的良好的区分能力.
- APEX和OB-CMI分数为SMM风险预测提供了可靠的适合性.
- 尽管一些系统的性能很好,但为了最佳的SMM预测,需要进一步开发.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
相关概念视频
Regression Toward the Mean
z Scores and Area Under the Curve
Sensitivity, Specificity, and Predicted Value
Sensitivity is the...
Data Validation
Nursing assessment guides are generally based on holistic models rather than medical...
Comparing the Survival Analysis of Two or More Groups
Bonferroni Test
The means of different samples are first paired in all possible combinations.
The null hypothesis of the...