Development and Validation of a Risk Scoring Tool to Predict Respiratory Syncytial Virus Hospitalization in Premature Infants Born at 33 through 35 Completed Weeks of Gestation
Notice bibliographique
Résumé
OBJECTIVE: The purpose of the study was to develop and validate a clinical instrument predicting the risk of respiratory syncytial virus (RSV)-associated hospitalization (RSV-H) in premature infants born at 33 through 35 completed weeks of gestation (33-35GA). DESIGN: An RSV risk scoring tool (RSV-RS) was developed by entering risk factors for RSV-H, determined in a Canadian prospective study, into a multiple logistic regression model. The scoring tool was then validated externally with data from a Spanish case-control study (FLIP). The Canadian cohort comprised 1758 RSV-positive infants born 33-35GA, of whom 66 (3.7%) had confirmed RSV-H. The FLIP data set comprised 186 (33.4%) RSV-H cases and 371 (66.7%) controls. METHOD: The primary outcome measure was RSV-H. The RSV-RS score was the sum of the weighted probabilities for each included risk factor multiplied by 100 and ranged from 0 to 100. Receiver operator characteristic curve analyses determined cutoff points to predict subjects at low, moderate, or high RSV-H risk. RESULTS: The RSV-RS included 7 risk factors and cutoff scores of 0-48, 49-64, and 65- 100 for low-, moderate-, and high-risk subjects, respectively. For the Canadian cohort, RSV-RS sensitivity in predicting RSV-H cases was 68.2%, with 71.9% specificity. With the FLIP data set, the RSV-RS had lower accuracy (61.3% sensitivity; 65.8% specificity) but showed significant positive association with increased risk for RSV-H. CONCLUSION: The RSV-RS accurately identified 33-35GA infants at increased risk for RSV-H in a Canadian cohort. External validation with Spanish case-control study data further confirmed that the scoring tool is appropriate for the estimation of RSV-H risk.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».