External validation of predictive scores for mortality following Clostridium difficile infection
Notice bibliographique
Résumé
Abstract Background The burden of Clostridium difficile infection (CDI) has increased in the last decade, with more adverse outcomes and related mortality. Although many predictive scores were developed, few were validated and their performances were sub-optimal. We conducted an external validation study of predictive scores or models for mortality in CDI. Methods Published predictive tools were identified through a systematic review. We included those reporting at least an internal validation approach. A multicenter prospective cohort of 1380 adults with confirmed CDI enrolled in two Canadian provinces was used for external validation. Most cases were elderly (median age 71), had a healthcare facility-associated CDI (90%), and 52% were infected by NAP1/BI/027 strains. All-cause 30-day death occurred in 12% of patients. The performance of each scoring system was analyzed using individual primary outcomes. Results We identified two scores which performances (95% CI) are shown in the table. Both had low sensitivity and PPV, moderate specificity and NPV, and similar AUC/ROC (0.66 vs. 0.77 in the derivation cohort, and 0.69 vs. 0.75 respectively). One predictive model for 30 days all-cause mortality (Archbald-Pannone 2015, including Charlson score, WBC, BUN, diagnosis in ICU, and delirium*) was associated with only 5% increase in odds of death (crude OR = 1.05 (1.03–1.06)) with an AUC of 0.74 (0.7–0.8). Conclusion The predictive models of CDI mortality evaluated in our study have limitations in their methods and showed moderate performances in a validation cohort consisting of a majority of CDI caused by NAP1 strains. An accurate predictive tool is needed to guide clinicians in the management of CDI to prevent adverse outcomes. Disclosures J. Powis, Merck: Grant Investigator, Research grant; GSK: Grant Investigator, Research grant; Roche: Grant Investigator, Research grant; Synthetic Biologicals: Investigator, Research grant
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 | 0,085 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».