09.15-09.21临床预测模型研究顶刊快报

1.医疗补助被保险人的兴奋剂过量预测模型

Stimulant Overdose Prediction Model for Medicaid-Insured Persons

(1)目的：开发并内部验证一种模型，预测医疗补助参保人群中兴奋剂过量的住院或急诊科（ED）治疗。

(2)结论：这项病例队列研究发现，现成的数据可用于识别那些因可卡因或兴奋剂过量而住院或急诊就诊的高风险人群。这些人可能会从循证干预措施和对过量危险因素的认识中受益最多。

2.基于机器学习的切除与移植和肝细胞癌生存率的选择

Machine Learning–Based Selection of Resection vs Transplant and Survival in Hepatocellular Carcinoma

(1)背景：开发并验证基于机器学习（ML）的决策支持模型，以估计肝细胞癌（HCC）中肝移植（LT）和手术切除（SR）之间的优化个体化治疗选择。 

(2)结论：这项针对 HCC 患者的队列研究的结果表明，基于 ML 的决策支持模型可以估计准确的风险分层，并通过个体化、模型指导的治疗选择确定提高生存率的潜力。这些发现表明在补充现有指南方面具有临床效用。

1.撒哈拉以南非洲（ABC-DO）的乳腺癌总生存期、年度死亡风险和生存差距分配：一项前瞻性队列研究的7年随访

Development and validation of a prognostic model for predicting the risk of allopurinol-induced severe cutaneous adverse reactions: a retrospective new-user cohort study using linked primary care, hospitalisation, and mortality data

(1)背景：在撒哈拉以南非洲，很少有对乳腺癌生存率及其5年及以后的决定因素的估计。我们的目标是估计长达7年的生存期，估计年度死亡风险，并分配生存差距。

(2)解释：在几个撒哈拉以南非洲国家，乳腺癌后的生存率很差，即使在诊断后存活超过3年的女性中，死亡风险也很大。了解和预防长期乳腺癌幸存者的死亡需要进一步研究。

2.早期识别重症监护病房患者姑息治疗需求的预测评分的开发和验证：一项多中心回顾性队列研究

Development and validation of a prediction score for early identification of palliative care needs for patients in the intensive care unit: a multicentre retrospective cohort study

(1)背景：许多危重患者及其家人面临着严重的身体、社会心理和精神负担，这些负担可以通过专科姑息治疗（PC）来解决。确定PC需求和将从PC咨询中受益的患者仍然具有挑战性。我们旨在开发和验证一种简单而准确的评分，用于预测重症监护病房（ICU）治疗期间的PC受累，并在入住ICU后24小时内定期收集预测因子，以实现早期整合。

(2)解释：PC-ICU评分预测入住ICU后重症监护期间的PC咨询。这种经过外部验证的仪器可以识别具有潜在PC需求的患者，并可能促进多学科护理的整合。需要对不同国家和国际地点、医疗机构和患者群体的PC-ICU评分进行额外的前瞻性评估，以进一步提高普遍性。