Cumulative Influence of Organ Dysfunctions and Septic State on Mortality of Critically Ill Children
Notice bibliographique
Résumé
The interaction between sepsis and multiple organ dysfunction syndrome is poorly defined in children. We analyzed by Cox regression models the cumulative influence of organ dysfunctions, using the pediatric logistic organ dysfunction (PELOD) score, and septic state (systemic inflammatory response syndrome or sepsis, severe sepsis, and septic shock) on mortality of critically ill children. We included 593 children (mortality rate: 8.6%) from three pediatric intensive care units; 514 patients had at least a systemic inflammatory response syndrome and 269 had two or more organ dysfunctions. Hazard ratio of death significantly increased with the severity of organ dysfunction, as estimated by the PELOD score, and the worst diagnostic category of septic state. Each increase of one unit in the PELOD score multiplied the hazard ratio by 1.096 (p < 0.0001); hazard ratio of diagnostic category was 9.039 (p = 0.031) for systemic inflammatory response syndrome or sepsis, 18.797 (p = 0.007) for severe sepsis and 32.572 (p < 0.001) for septic shock. Cumulative hazard ratio of death = (hazard ratio of PELOD score) x (hazard ratio of diagnostic category). We conclude that there is a cumulative accrual of the risk of death both with an increasing severity of organ dysfunction and an increasing severity of the diagnostic category of septic state.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».