MétaCan
Menu
Retour à la cohorte
Enregistrement W2118953259 · doi:10.1086/428577

Can Routine Laboratory Tests Discriminate between Severe Acute Respiratory Syndrome and Other Causes of Community‐Acquired Pneumonia?

2005· article· en· W2118953259 sur OpenAlexafffundabout
Matthew Muller, George Tomlinson, Thomas J. Marrie, Patrick Tang, Allison McGeer, Donald E. Low, Allan S. Detsky, Wayne L. Gold

Notice bibliographique

RevueClinical Infectious Diseases · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity Health NetworkUniversity of TorontoUniversity of AlbertaToronto Public HealthMount Sinai Hospital
Organismes subventionnairesFondation pour la Recherche MédicalePfizerPfizer CanadaAbbott CanadaBristol-Myers Squibb
Mots-clésMedicineAbsolute neutrophil countCommunity-acquired pneumoniaPneumoniaReceiver operating characteristicInternal medicineNeutrophil to lymphocyte ratioEtiologyLymphocyteImmunologyNeutropenia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The clinical presentation of severe acute respiratory syndrome (SARS) resembles that of other etiologies of community-acquired pneumonia, making diagnosis difficult. Hematological and biochemical abnormalities, particularly lymphopenia, are common in patients with SARS. METHODS: With the use of 2 databases, we compared the ability of the absolute lymphocyte count, absolute neutrophil count, lactate dehydrogenase level, creatine kinase level, alanine aminotransferase level, and serum calcium level at hospital admission to discriminate between cases of SARS and cases of community-acquired pneumonia. The SARS database contained data for 144 patients with SARS from the 2003 Toronto SARS outbreak. The community-acquired pneumonia database contained data for 8044 patients with community-acquired pneumonia from Edmonton, Canada. Patients from the SARS database were matched to patients from the community-acquired pneumonia database according to age, and receiver operating characteristic curves were constructed for each laboratory variable. RESULTS: The areas under the receiver operating characteristic curves (AUCs) demonstrated fair to poor discriminatory ability for all laboratory variables tested except absolute neutrophil count, which had an AUC of 0.80, indicating good discriminatory ability (although there was no cutoff value of the absolute neutrophil count at which reasonable sensitivity or specificity could be obtained). Combinations of any 2 tests did not perform significantly better than did the absolute neutrophil count alone. CONCLUSIONS: Routine laboratory tests, including determination of absolute lymphocyte count, should not be used in the diagnosis of SARS or incorporated into current case definitions of SARS. The role of the absolute neutrophil count in SARS diagnosis is likely limited, but it should be assessed further.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,029
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,448
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations200
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207