Aller au contenu principal
Accès ouvert déclaré 2021 article

Predicting 90-day survival of patients with COVID-19: Survival of Severely Ill COVID (SOSIC) scores

16Citations signalées, ce qui n’est pas une note de qualité
30Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

BACKGROUND: Predicting outcomes of critically ill intensive care unit (ICU) patients with coronavirus-19 disease (COVID-19) is a major challenge to avoid futile, and prolonged ICU stays. METHODS: The objective was to develop predictive survival models for patients with COVID-19 after 1-to-2 weeks in ICU. Based on the COVID-ICU cohort, which prospectively collected characteristics, management, and outcomes of critically ill patients with COVID-19. Machine learning was used to develop dynamic, clinically useful models able to predict 90-day mortality using ICU data collected on day (D) 1, D7 or D14. RESULTS: Survival of Severely Ill COVID (SOSIC)-1, SOSIC-7, and SOSIC-14 scores were constructed with 4244, 2877, and 1349 patients, respectively, randomly assigned to development or test datasets. The three models selected 15 ICU-entry variables recorded on D1, D7, or D14. Cardiovascular, renal, and pulmonary functions on prediction D7 or D14 were among the most heavily weighted inputs for both models. For the test dataset, SOSIC-7's area under the ROC curve was slightly higher (0.80 [0.74-0.86]) than those for SOSIC-1 (0.76 [0.71-0.81]) and SOSIC-14 (0.76 [0.68-0.83]). Similarly, SOSIC-1 and SOSIC-7 had excellent calibration curves, with similar Brier scores for the three models. CONCLUSION: The SOSIC scores showed that entering 15 to 27 baseline and dynamic clinical parameters into an automatable XGBoost algorithm can potentially accurately predict the likely 90-day mortality post-ICU admission (sosic.shinyapps.io/shiny). Although external SOSIC-score validation is still needed, it is an additional tool to strengthen decisions about life-sustaining treatments and informing family members of likely prognosis.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Predicting 90-day survival of patients with COVID-19: Survival of Severely Ill COVID (SOSIC) scores
Date Crossref
01/12/2021
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Inserm pays non établi dans la notice
    Organisme public
  • Sorbonne Université Institut Pierre-Louis d'Epidémiologie et de Santé Publique pays non établi dans la notice
    Université ou école supérieure
  • Assistance Publique – Hôpitaux de Paris pays non établi dans la notice
    Établissement de santé
  • Pitié-Salpêtrière Hospital pays non établi dans la notice
    Établissement de santé
  • Unité de recherche sur les maladies cardiovasculaires et métaboliques pays non établi dans la notice
    Structure de recherche
  • Fondation pour l’innovation en Cadiométabolisme et Nutrition pays non établi dans la notice
    Institution
  • Réanimation et soins intensifs du patient en Insuffisance respiratoire aigüe pays non établi dans la notice
    Structure de recherche
  • Hôpital Saint-Antoine pays non établi dans la notice
    Établissement de santé
  • Institut Pierre Louis d‘Épidémiologie et de Santé Publique pays non établi dans la notice
    Structure de recherche
  • Neurophysiologie respiratoire expérimentale et clinique pays non établi dans la notice
    Structure de recherche
  • Université Paris-Est Créteil Groupe de Recherche Clinique CARMAS pays non établi dans la notice
    Université ou école supérieure
  • Hôpital Tenon Service de Médecine Intensive-Réanimation pays non établi dans la notice
    Établissement de santé

Inserm, Institut Pierre-Louis d'Epidémiologie et de Santé Publique — Sorbonne Université et Assistance Publique – Hôpitaux de Paris, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Sepsis Diagnosis and TreatmentCOVID-19 Clinical Research StudiesRespiratory Support and Mechanisms

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.