Febrile Young Infants With Altered Urinalysis at Low Risk for Invasive Bacterial Infection. A Spanish Pediatric Emergency Research Network’s Study
Notice bibliographique
Résumé
BACKGROUND: Urinary tract infection (UTI) is the most common serious bacterial infection (SBI) in infants younger than 90 days of age. Many physicians admit infants younger than 90 days old because of their greater risk of developing invasive bacterial infections (IBIs), secondary to UTI. The primary objective of this study was to design a prediction model to identify febrile infants younger than 90 days old with an altered urinalysis who were at low risk for IBI and suitable for outpatient management METHODS: : Prospective multicenter study included 19 hospitals that are members of the Spanish Pediatric Emergency Research Group of the Spanish Society of Pediatric Emergencies. Febrile infants younger than 90 days old with altered urinalysis were included. RESULTS: A total of 766 (22.5%) infants with altered urine dipstick were analyzed. Fifty (6.5%) of them developed IBI, 39 (78.0%) secondary to UTI. Patients were at low risk for IBI if they were well appearing at arrival to the emergency department, were older than 21 days and had procalcitonin and C-reactive protein (CRP) blood values lower than 0.5 ng/mL and 20 mg/L, respectively. These factors were used to create a prediction model for IBI secondary to UTI, with a sensitivity of 100% (95% CI: 89.3-100) and a negative predictive value of 100% (95% CI: 97.5-100). CONCLUSIONS: We have derived a highly accurate prediction model for IBI in febrile infants with altered urinalysis. Given these results, outpatient management might be suitable for 1 of each 4 infants diagnosed, with a considerable improvement in resource utilization.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».