MétaCan
Menu
Retour à la cohorte
Enregistrement W2142920263 · doi:10.1136/archdischild-2013-305740

Can we distinguish pneumonia from wheezy diseases in tachypnoeic children under low-resource conditions? A prospective observational study in four Indian hospitals

2014· article· en· W2142920263 sur OpenAlexaff
Vishwanath Gowraiah, Shally Awasthi, Rohit Kapoor, D. Sahana, P. Venkatesh, Bangalore N. Gangadhar, Aradhana Awasthi, Ajay Kumar Verma, Nikhil Pai, Michael Seear

Notice bibliographique

RevueArchives of Disease in Childhood · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensBritish Columbia Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineAuscultationPneumoniaPediatricsRespiratory soundsRespiratory diseaseObservational studyPhysical examinationIntensive care medicineAsthmaInternal medicineLung

Résumé

récupéré en direct d'OpenAlex

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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-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 enseignants0,067
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,265
Écart entre enseignants0,253 · 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

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in ChildhoodMême sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207