MétaCan
Menu
Retour à la cohorte
Enregistrement W2752959015 · doi:10.1093/ofid/ofx163.1859

An Assessment of the Validity of the Comprehensive Severity Index (CSI) as a Measure of Severity of Influenza Infection in Children

2017· article· en· W2752959015 sur OpenAlexaff
Dat Tran, Susan E. Richardson, Moshe Ipp, Suzanne Schuh, Ari Bitnun, Andrew D. Paterson

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institutes of HealthBioFire Diagnostics
Mots-clésMedicineLogistic regressionUnivariate analysisUnivariateSeverity of illnessInternal medicineReceiver operating characteristicPediatricsMultivariate analysisEmergency medicineMultivariate statistics

Résumé

récupéré en direct d'OpenAlex

A standardized quantitative severity score that reflects the breadth of influenza-related complications would prove valuable in epidemiologic analyses. The maximum CSI score (maxCSI) is a composite, continuous measure of illness severity, based on the degree of abnormality of individual signs and symptoms of a patient’s disease or diseases. Importantly, the index contains criteria for influenza as well as related complications. We evaluated the spectrum of influenza illness as measured by maxCSI and assessed its discriminatory power on 321 influenza-infected, otherwise healthy children (0–17 years) enrolled into a prospective study from the emergency department and inpatient units of a pediatric tertiary care hospital and an urban community pediatric clinic. The area under ROC curve (AUC) was computed for univariate (maxCSI as a sole predictor variable) and multivariable logistic regression models of two outcome measures: (1) influenza-related respiratory and extra-respiratory complications based on physician diagnosis and (2) hospitalization. Multivariable models incorporated maxCSI, age, household crowding, influenza type/subtype and antiviral therapy. For each outcome, the Hanley-McNeil method was used to compare AUCs of univariate and multivariable models. Of the 321 children enrolled, 200 (62.3%) were male and the median age was 5.25 years (range 0.07–17.96). 73 (22.7%) had complications while 61 (19.0%) were hospitalized; the median maxCSI was 25 (range 0–140). In univariate and multivariable modeling, maxCSI was significantly associated with both influenza-related complications and hospitalization (all P < 0.0001). The univariate models discriminated well between children with and without complications [AUC 0.88 (95% CI 0.83–0.93)] and between those who were and were not hospitalized [AUC 0.94 (95% CI 0.91–0.97)]. The AUCs for the corresponding multivariable models were not statistically significantly different: 0.90 (95% CI 0.86–0.94; P = 0.13) for complications and 0.94 (95% CI 0.91–0.97; P = 0.34) for hospitalization. The maxCSI represents a valid continuous outcome measure that can be leveraged to increase statistical power in epidemiologic studies aimed at identifying factors associated with severe influenza. All authors: No reported disclosures.

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)0,010
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,427
Écart entre enseignants0,369 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetRespiratory viral infections researchTravaux en français237 207