Can we distinguish pneumonia from wheezy diseases in tachypnoeic children under low-resource conditions? A prospective observational study in four Indian hospitals
Notice bibliographique
Résumé
BACKGROUND: Acute respiratory infections are the commonest cause of mortality and morbidity in children worldwide. A quarter of all deaths occur in India alone. In order to reduce this disease burden, there is a need for better diagnostic criteria, particularly ones allowing early detection of high-risk children. METHODS: We enrolled 516 under 5 year olds, in four Indian hospitals, who met WHO age-dependent tachypnoea criteria for pneumonia at presentation. Patients underwent a protocolised examination assessing 29 items, including history, examination, O2 saturation, plus scores for chest X-ray, auscultation and conscious level. Treatment was determined by the emergency room (ER) physician. All children were reviewed at day 4 by a paediatrician and placed into four diagnostic categories: pneumonia, wheezy disease, mixed and non-respiratory. RESULTS: The majority had wheezy diseases (42.8%). The remainder had pneumonia (35.9%), mixed disease (18.6%) and non-respiratory (2.7%). Best diagnostic predictors for wheezy disease were (auscultation/previous similar episodes) and for pneumonia (auscultation/CXR score). Mortality was 1.6%. Best disease severity predictors were conscious level, weight/age z score and respiratory/pulse rates. INTERPRETATION: Current tachypnoea-based algorithms significantly overdiagnose pneumonia in children and underdiagnose wheezy diseases. Diagnostic accuracy can be improved by various combinations of clinical variables, but the best single diagnostic predictor is auscultation. Simple criteria can also be defined that reliably detect which tachypnoeic children are at high risk of death or deterioration. Management plans based on these protocols could reduce unnecessary antibiotic use, improve the management of wheezy diseases and reduce mortality by earlier identification of high-risk children.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».