MétaCan
Menu
Retour à la cohorte
Enregistrement W2181984159 · doi:10.1136/bmjopen-2015-009449

Postdischarge mortality in children with acute infectious diseases: derivation of postdischarge mortality prediction models

2015· article· en· W2181984159 sur OpenAlexafffund
Matthew O. Wiens, Elias Kumbakumba, Charles P. Larson, J. Mark Ansermino, Jack W. Singer, Niranjan Kissoon, Hubert Wong, Andrew Ndamira, Jerome Kabakyenga, Julius Kiwanuka, Guohai Zhou

Notice bibliographique

RevueBMJ Open · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensSt. Paul's HospitalBC Children's HospitalChild and Family Research InstituteHIV Legal NetworkUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BCCanadian Child Health Clinician Scientist Program
Mots-clésMedicineReceiver operating characteristicGlasgow Coma ScaleMortality rateProspective cohort studyPediatricsHospital dischargeEpidemiologyEmergency medicineInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To derive a model of paediatric postdischarge mortality following acute infectious illness. DESIGN: Prospective cohort study. SETTING: 2 hospitals in South-western Uganda. PARTICIPANTS: 1307 children of 6 months to 5 years of age were admitted with a proven or suspected infection. 1242 children were discharged alive and followed up 6 months following discharge. The 6-month follow-up rate was 98.3%. INTERVENTIONS: None. PRIMARY AND SECONDARY OUTCOME MEASURES: The primary outcome was postdischarge mortality within 6 months following the initial hospital discharge. RESULTS: 64 children died during admission (5.0%) and 61 died within 6 months of discharge (4.9%). Of those who died following discharge, 31 (51%) occurred within the first 30 days. The final adjusted model for the prediction of postdischarge mortality included the variables mid-upper arm circumference (OR 0.95, 95% CI 0.94 to 0.97, per 1 mm increase), time since last hospitalisation (OR 0.76, 95% CI 0.61 to 0.93, for each increased period of no hospitalisation), oxygen saturation (OR 0.96, 95% CI 0.93 to 0·99, per 1% increase), abnormal Blantyre Coma Scale score (OR 2.39, 95% CI 1·18 to 4.83), and HIV-positive status (OR 2.98, 95% CI 1.36 to 6.53). This model produced a receiver operating characteristic curve with an area under the curve of 0.82. With sensitivity of 80%, our model had a specificity of 66%. Approximately 35% of children would be identified as high risk (11.1% mortality risk) and the remaining would be classified as low risk (1.4% mortality risk), in a similar cohort. CONCLUSIONS: Mortality following discharge is a poorly recognised contributor to child mortality. Identification of at-risk children is critical in developing postdischarge interventions. A simple prediction tool that uses 5 easily collected variables can be used to identify children at high risk of death after discharge. Improved discharge planning and care could be provided for 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,008
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,155
Tête enseignante GPT0,420
Écart entre enseignants0,266 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations81
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207