S'abonner

The HOMR-Now! Model Accurately Predicts 1-Year Death Risk for Hospitalized Patients on Admission - 26/07/17

Doi : 10.1016/j.amjmed.2017.03.008 
Carl van Walraven, MD, MSc a, b, c, , Alan J. Forster, MD, MSc a, b, d
a Departments of Medicine and Epidemiology & Community Medicine, University of Ottawa, Ontario, Canada 
b Ottawa Hospital Research Institute, Ontario, Canada 
c Institute for Clinical Evaluative Sciences (ICES@uOttawa), Ontario, Canada 
d The Ottawa Hospital, Ontario, Canada 

Requests for reprints should be addressed to Carl van Walraven, MD, MSc, Department of Medicine, University of Ottawa, ASB1-003 1053 Carling Ave, Ottawa, Ontario K1Y 4E9, Canada.Department of MedicineUniversity of OttawaASB1-003 1053 Carling AveOttawaOntarioK1Y 4E9Canada

Abstract

Background

The Hospital-patient One-year Mortality Risk (HOMR) score is an externally validated index using health administrative data to accurately predict the risk of death within 1 year of admission to the hospital. This study derived and internally validated a HOMR modification using data that are available when the patient is admitted to the hospital.

Methods

From all adult hospitalizations at our tertiary-care teaching hospital between 2004 and 2015, we randomly selected one per patient. We added to all HOMR variables that could be determined from our hospital's data systems on admission other factors that might prognosticate. Vital statistics registries determined vital status at 1 year from admission.

Results

Of 2,06,396 patients, 32,112 (15.6%) died within 1 year of admission to the hospital. The HOMR-now! model included patient (sex, comorbidities, living and cancer clinic status, and 1-year death risk from population-based life tables) and hospitalization factors (admission year, urgency, service and laboratory-based acuity score). The model explained that more than half of the total variability (Regenkirke's R2 value of 0.53) was very discriminative (C-statistic 0.92), and accurately predicted death risk (calibration slope 0.98).

Conclusion

One-year risk of death can be accurately predicted using routinely collected data available when patients are admitted to the hospital.

Le texte complet de cet article est disponible en PDF.

Keywords : Administrative data, Calibration, Discrimination, Hospitalization, Mortality, Multivariate logistic regression, Risk index, Risk model, Risk score, Survival


Plan


 Funding: This study was supported by the Institute for Clinical Evaluative Sciences (ICES), which is funded by an annual grant from the Ontario Ministry of Health and Long-Term Care (MOHLTC). The opinions, results, and conclusions reported in this paper are those of the authors and are independent from the funding sources. No endorsement by ICES or the Ontario MOHLTC is intended or should be inferred. Parts of this material are based on data and information compiled and provided by Canadian Institute for Health Information (CIHI). However, the analyses, conclusions, opinions, and statements expressed herein are those of the author, and not necessarily those of CIHI.
 Conflict of Interest: Neither author has any conflicts of interest to declare.
 Authorship: Both authors had access to the data and played a role in writing the manuscript.


© 2017  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 130 - N° 8

P. 991.e9-991.e16 - août 2017 Retour au numéro
Article précédent Article précédent
  • Iron Supplementation, Response in Iron-Deficiency Anemia: Analysis of Five Trials
  • Maureen M. Okam, Todd A. Koch, Minh-Ha Tran
| Article suivant Article suivant
  • Not Just Skin Deep: Distant Metastases from Cutaneous Squamous Cell Carcinoma
  • Ajay Major, Mel Anderson

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2025 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.