Value of a risk scoring tool to predict respiratory syncytial virus disease severity and need for hospitalization in term infants
Notice bibliographique
Résumé
Several environmental and demographic risk factors have been validated and are used to determine the risk of acquiring severe respiratory syncytial virus (RSV) infection and subsequent hospitalization in late preterm infants born at 33-35 weeks gestational age. The applicability of the same composite model of risk factors in the term population has not been fully explored. The primary objective of this pilot study was to establish whether a risk scoring tool (RST), could predict the severity of RSV infection in term, RSV-positive infants who were hospitalized. A retrospective observational study was conducted in a pediatric unit, over 2 RSV seasons (2011-2013). A convenient sample of 72 children was selected out of a total of 111 RSV-positive cases after exclusions. The RST was applied and a score of respiratory disease severity was determined for each patient. Demographic characteristics were analyzed by standard descriptive methods, χ(2) analysis was utilized for categorical data and ANOVA for comparison between the clinical severity groups and the RST score. A P-value <0.05 was considered significant. Sixty per cent (n = 43) of all infants scored in the low-risk category compared to 26% (n = 19) in the moderate and 14% (n = 10) in the high-risk groups. RST scores were also inconsistent with disease severity. Mean (SD) RST scores for those with mild, moderate, and severe illness were 47.8 [16.4], 41.1 [20.39] and, 41.7 [19.8], respectively (P = 0.17). In conclusion, the RST did not predict accurately the clinical severity of RSV bronchiolitis in term infants nor did it correlate with risk for RSV-related hospitalization.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».