Can We Predict Oral Antibiotic Treatment Failure in Children with Fast-Breathing Pneumonia Managed at the Community Level? A Prospective Cohort Study in Malawi
Notice bibliographique
Résumé
BACKGROUND: Pneumonia is the leading cause of infectious death amongst children globally, with the highest burden in Africa. Early identification of children at risk of treatment failure in the community and prompt referral could lower mortality. A number of clinical markers have been independently associated with oral antibiotic failure in childhood pneumonia. This study aimed to develop a prognostic model for fast-breathing pneumonia treatment failure in sub-Saharan Africa. METHOD: We prospectively followed a cohort of children (2-59 months), diagnosed by community health workers with fast-breathing pneumonia using World Health Organisation (WHO) integrated community case management guidelines. Cases were followed at days 5 and 14 by study data collectors, who assessed a range of pre-determined clinical features for treatment outcome. We built the prognostic model using eight pre-defined parameters, using multivariable logistic regression, validated through bootstrapping. RESULTS: We assessed 1,542 cases of which 769 were included (32% ineligible; 19% defaulted). The treatment failure rate was 15% at day 5 and relapse was 4% at day 14. Concurrent malaria diagnosis (OR: 1.62; 95% CI: 1.06, 2.47) and moderate malnutrition (OR: 1.88; 95% CI: 1.09, 3.26) were associated with treatment failure. The model demonstrated poor calibration and discrimination (c-statistic: 0.56). CONCLUSION: This study suggests that it may be difficult to create a pragmatic community-level prognostic child pneumonia tool based solely on clinical markers and pulse oximetry in an HIV and malaria endemic setting. Further work is needed to identify more accurate and reliable referral algorithms that remain feasible for use by community health workers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».