NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
AmaçBu çalışmanın amacı genel popülasyonda ölüm ve sağlık ihtiyaçlarının tahmin edilmesinde Kronik İlgili Puanın (CReSc) performansını artırmaktı.MetodlarBir nüfus temelli çalışma, Lombardiya Bölgesel Sağlık Servisi, İtalya, 18 yaş ve üstü tüm yararlanıcılar dahil, Ocak 2015'te yapıldı. Her bir birey, temelden önce ölçülen 69 aday öngörücüye maruz veya maruz bırakılmamış olarak sınıflandırıldı, dört zihinsel sağlık bozukluğu içerecek şekilde güncellendi. Bağımsız olarak 5 yıllık mortalite ile ilişkili koşullar, Cox regresyon modeli kullanılarak 5.4 milyon vatandaş da dahil olmak üzere rastgele bir örneklemde seçildi. Elde edilen CReSc-2.0'ın tahmini performansı, ayrımcılık ve kalibrasyon yoluyla kalan 2,7 milyon vatandaş üzerinde değerlendirildi.Sonuçlar Toplam 35 durum, Alzheimer ve Parkinson hastalıkları, demans, kalp yetmezliği, aktif neoplazma ve böbrek diyalizinin skora en fazla katkıda bulunduğu CReSc-2.0'a önemli ölçüde katkıda bulundu. Vatandaşların yaklaşık %36'sı en az bir durumdan muzdaripti. CReSc-2.0 ayrımcılık performansı dikkat çekiciydi, alıcının altında karakteristik eğri 0.83 çalışan bir alan vardı. Kısa süreli (1 yıllık) ve uzun süreli (5 yıllık) ölüm oranlarının artırılmasına yönelik eğilimler, hastane kabulü, hastane kalışı ve sağlık giderleri, CReSc-2.0 arttıkça gözlenmiştir.ConclusionCReSC-2.0, sağlık hizmetlerine göre nüfusları katmanlaştırmada geliştirilmiş bir aracı temsil etmektedir.
Özgün kaynak özetini okuyun
ObjectiveThe aim of this study was to improve the performance of the Chronic Related Score (CReSc) in predicting mortality and healthcare needs in the general population.MethodsA population-based study was conducted, including all beneficiaries of the Regional Health Service of Lombardy, Italy, aged 18 years or older in January 2015. Each individual was classified as exposed or unexposed to 69 candidate predictors measured before baseline, updated to include four mental health disorders. Conditions independently associated with 5-year mortality were selected using the Cox regression model on a random sample including 5.4 million citizens. The predictive performance of the obtained CReSc-2.0 was assessed on the remaining 2.7 million citizens through discrimination and calibration.ResultsA total of 35 conditions significantly contributed to the CReSc-2.0, among which Alzheimer's and Parkinson's diseases, dementia, heart failure, active neoplasm, and kidney dialysis contributed the most to the score. Approximately 36% of citizens suffered from at least one condition. CReSc-2.0 discrimination performance was remarkable, with an area under the receiver operating characteristic curve of 0.83. Trends toward increasing short-term (1-year) and long-term (5-year) rates of mortality, hospital admission, hospital stay, and healthcare costs were observed as CReSc-2.0 increased.ConclusionCReSC-2.0 represents an improved tool for stratifying populations according to healthcare needs.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.