Can we improve the targeting of respiratory syncytial virus (RSV) prophylaxis in infants born 32–35 weeks’ gestational age with more informed use of risk factors?
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the key risk factors for respiratory syncytial virus (RSV) hospitalisation in 32-35 weeks' gestational age (wGA) infants. METHODS: Published risk factors were assessed for predictive accuracy (area under the receiver operating characteristic curve [ROC AUC]) and for number needed to treat (NNT). RESULTS: Key risk factors included: proximity of birth to the RSV season; having siblings; crowding at home; day care; smoking; breast feeding; small for GA; male gender; and familial wheezing/eczema. Proximity of birth to the RSV season appeared the most predictive. Risk factors models from Europe and Canada were found to have a high level of predictive accuracy (ROC AUC both > 0.75; NNT for European model 9.5). A model optimised for three risk factors (birth ± 10 weeks from start of RSV season, number of siblings ≥ 2 years and breast feeding for ≤ 2 months) had a similar level of prediction (ROC AUC: 0.776; NNT: 10.2). An example two-risk factor model (day care attendance and living with ≥ 2 siblings < 5 years old) had a lower level of predictive accuracy (ROC AUC: 0.55; NNT: 26). CONCLUSIONS: An optimised combination of risk factors has the potential to improve the identification of 32-35 wGA infants at heightened risk of RSV hospitalisation.
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 | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».