Pediatric in-Hospital Death from Infectious Disease in Uganda: Derivation of Clinical Prediction Models
Notice bibliographique
Résumé
BACKGROUND: Pediatric hospital mortality from infectious diseases in resource constrained countries remains unacceptably high. Improved methods of risk-stratification can assist in referral decision making and resource allocation. The purpose of this study was to create prediction models for in-hospital mortality among children admitted with suspected infectious diseases. METHODS: This two-site prospective observational study enrolled children between 6 months and 5 years admitted with a proven or suspected infection. Baseline clinical and laboratory variables were collected on enrolled children. The primary outcome was death during admission. Stepwise logistic regression minimizing Akaike's information criterion was used to identify the most promising multivariate models. The final model was chosen based on parsimony. RESULTS: 1307 children were enrolled consecutively, and 65 (5%) of whom died during their admission. Malaria, pneumonia and gastroenteritis were diagnosed in 50%, 31% and 8% of children, respectively. The primary model included an abnormal Blantyre coma scale, HIV and weight-for-age z-score. This model had an area under the curve (AUC) of 0.85 (95% CI, 0.80-0.89) with a sensitivity and specificity of 83% and 76%, respectively. The positive and negative predictive values were 15% and 99%, respectively. Two alternate models with similar performance characteristics were developed withholding HIV and weight-for-age z-score, for use when these variables are not available. CONCLUSIONS: Risk stratification of children admitted with infectious diseases can be calculated based on several easily measured variables. Risk stratification at admission can be used for allocation of scarce human and physical resources and to guide referral among children admitted to lower level health facilities.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».