MétaCan
Menu
Retour à la cohorte
Enregistrement W2612680923 · doi:10.1371/journal.pone.0176275

Initial assessment of the infant with neonatal cholestasis—Is this biliary atresia?

2017· article· en· W2612680923 sur OpenAlexaff
Benjamin L. Shneider, Jeff Moore, Nanda Kerkar, John Magee, Wen Ye, Saul J. Karpen, Binita M. Kamath, Jean P. Molleston, Jorge A. Bezerra, Karen F. Murray, Kathleen M. Loomes, Peter F. Whitington, Philip Rosenthal, Robert H. Squires, Stephen L. Guthery, Ronen Arnon, Kathleen B. Schwarz, Yumirle P. Turmelle, Averell H. Sherker, Ronald J. Sokol

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePediatric Hepatobiliary Diseases and Treatments
Établissements canadiensUniversity of TorontoHospital for Sick ChildrenSickKids Foundation
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésBiliary atresiaLogistic regressionStepwise regressionReceiver operating characteristicNeonatal cholestasisMedicineUnivariate analysisUnivariateCholestasisInternal medicineGallbladderPositive predicative valuePediatricsPredictive valueMachine learningMultivariate analysisComputer scienceLiver transplantationMultivariate statistics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Optimizing outcome in biliary atresia (BA) requires timely diagnosis. Cholestasis is a presenting feature of BA, as well as other diagnoses (Non-BA). Identification of clinical features of neonatal cholestasis that would expedite decisions to pursue subsequent invasive testing to correctly diagnose or exclude BA would enhance outcomes. The analytical goal was to develop a predictive model for BA using data available at initial presentation. METHODS: Infants at presentation with neonatal cholestasis (direct/conjugated bilirubin >2 mg/dl [34.2 μM]) were enrolled prior to surgical exploration in a prospective observational multi-centered study (PROBE-NCT00061828). Clinical features (physical findings, laboratory results, gallbladder sonography) at enrollment were analyzed. Initially, 19 features were selected as candidate predictors. Two approaches were used to build models for diagnosis prediction: a hierarchical classification and regression decision tree (CART) and a logistic regression model using a stepwise selection strategy. RESULTS: In PROBE April 2004-February 2014, 401 infants met criteria for BA and 259 for Non-BA. Univariate analysis identified 13 features that were significantly different between BA and Non-BA. Using a CART predictive model of BA versus Non-BA (significant factors: gamma-glutamyl transpeptidase, acholic stools, weight), the receiver operating characteristic area under the curve (ROC AUC) was 0.83. Twelve percent of BA infants were misclassified as Non-BA; 17% of Non-BA infants were misclassified as BA. Stepwise logistic regression identified seven factors in a predictive model (ROC AUC 0.89). Using this model, a predicted probability of >0.8 (n = 357) yielded an 81% true positive rate for BA; <0.2 (n = 120) yielded an 11% false negative rate. CONCLUSION: Despite the relatively good accuracy of our optimized prediction models, the high precision required for differentiating BA from Non-BA was not achieved. Accurate identification of BA in infants with neonatal cholestasis requires further evaluation, and BA should not be excluded based only on presenting clinical features.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,303
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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

Citations58
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetPediatric Hepatobiliary Diseases and TreatmentsTravaux en français237 207