Prognostic factors for mortality due to pneumonia among adults from different age groups in Singapore and mortality predictions based on PSI and CURB-65
Notice bibliographique
Résumé
INTRODUCTION: Pneumonia is associated with considerable mortality. However, there is limited information on age-specific prognostic factors for death from pneumonia. METHODS: Patients hospitalised with a diagnosis of pneumonia through the emergency department were stratified into three age groups: 18-64 years, 65-84 years and ≥ 85 years. Multivariate logistic regression and receiver operating characteristic curve analyses were conducted to evaluate prognostic factors for mortality and the performance of pneumonia severity scoring tools for mortality prediction. RESULTS: A total of 1,902 patients were enrolled (18-64 years: 614 [32.3%]; 65-84 years: 944 [49.6%]; ≥ 85 years: 344 [18.1%]). Mortality rates increased with age (18-64 years: 7.3%; 65-84 years: 16.1%; ≥ 85 years: 29.7%; p < 0.001). Malignancy and tachycardia were prognostic of mortality among patients aged 18-64 years. Male gender, malignancy, congestive heart failure and eight other parameters reflecting acute disease severity were associated with mortality among patients aged 65-84 years. For patients aged ≥ 85 years, altered mental status, tachycardia, blood urea nitrogen, hypoxaemia, arterial pH and pleural effusion were significantly predictive of mortality. The Pneumonia Severity Index (PSI) was more sensitive than CURB-65 (confusion, uraemia, respiratory rate ≥ 30 per minute, low blood pressure, age ≥ 65 years) for mortality prediction across all age groups. CONCLUSION: The predictive effect of prognostic factors for mortality varied among patients with pneumonia from the different age groups. PSI performed significantly better than CURB-65 for mortality prediction, but its discriminative power decreased with advancing age.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».