Deutsch
Nederlands
Berekende kans op een polsfractuur: ...
{{ model.survival.PITTitle }}
{{ model.survival.YNETitle }}
Berekende kans op een polsfractuur:
Outcome stratification
Conditional information
Result interpretation
Toepassingsgebied:
Het Amsterdam Wrist Rule (AWR) model kan worden gebruikt als screeningsinstrument voor het aanvragen van röntgenfoto’s bij patiënten met polstrauma.
Externe model validatie:
De discriminatieve waarde van het model bleek adequaat met een AUC (c-index) van 0,81 (95%-BI: 0,77-0,85). In het validatiecohort (n=395) bereikte het model een sensitiviteit van 98% (95%-BI: 95-99%) en een specificiteit van 21% (95%-BI: 15-28%) met als afkapwaarde een voorspelde kans van 21%. De negatief voorspellende waarde bleek 90% (95%-BI: 81-99).
Impact analyse:
In het externe validatiecohort zou bij gebruik van de AWR een röntgenfoto zijn aangevraagd voor 89,6% (354/395) in plaats van 99,5% van de patiënten: een afname van bijna 10%.
Bron:
Walenkamp MMJ, Bentohami A, Slaar A et al. De Amsterdam Wrist Rules. Ned Tijdschr Geneeskd. 2016;160:D234
Calculations alone should never dictate patient care, and are no substitute for professional judgement. See our full disclaimer.
Model feedback
No feedback yet 1 Comment {{ model.comments.length }} Comments
Please sign in to enable Evidencio print features
If you don't have an Evidencio Community Account you can create your free personal account at:
https://www.evidencio.com/registration
Printed results - Examples {{ new Date().toLocaleString() }}
Evidencio Community Account Benefits
With an Evidencio Community account you can:
- Create and publish your own prediction models.
- Share your prediction models with your colleagues, research group, organization or the world.
- Review and provide feedback on models that have been shared with you.
- Validate your models and validate models from other users.
- Find models based on Title, Keyword, Author, Institute, or MeSH classification.
- Use and save prediction models and their data.
- Use patient specific protocols and guidelines based on sequential models and decision trees.
- Stay up-to-date with new models in your field as they are published.
- Create your own lists of favorite models and topics.
{{ variable.title }}
| {{ row }} |