Acute Chest Syndrome: Can a Chest Radiograph Predict the Course Severity of the Disease?
Notice bibliographique
Résumé
Background : The severity and predictability of acute chest syndrome (ACS) varies among patients with sickle cell disease. In our study we analyze whether the pathology identified in the first chest radiograph predict the course severity of ACS. Methods : We retrospectively reviewed the clinical records and radiographs of 79 episodes of acute chest syndrome in 63 patients with sickle cell disease. We established three categories of severity based on the following parameters: length of admission more than three days, presence of hypoxia, intensive care unit stay, and need for intubation. Two radiologists independently reviewed the first chest radiograph performed on the day of admission. The radiologist graded the degree of pathology and assigned it to one of four levels. Level 1 was defined as complete whiteout of the lungs or consolidation in any lobe with existence of pleural effusion; Level 2 consolidation in 4 lobes; Level consolidation in 3 lobes and level 4 as consolidation in 2 lobes. Results : We calculated the sensitivity, specificity and receiver-operating curve in all three severity categories. In all categories the area under the curve of the receiver-operating curve was above 0.5, archiving statistical significance. Conclusion : Patients presenting with multiple lobe involvement in the first chest radiograph had a worse clinical course. These patients might benefit from more aggressive therapy. Our study suggests that predicting the disease severity based on admission chest radiograph may be a useful tool allowing early intervention in the disease course to prevent clinical deterioration and shorten length of stay. doi:10.4021/ijcp4w
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».