A retrospective cohort study to predict severe dengue in Honduran patients
Notice bibliographique
Résumé
BACKGROUND: An important challenge in the identification of dengue is how to predict which patients will go on to experience severe illness, which is typically characterized by fever, thrombocytopenia, haemorrhagic manifestations, and plasma leakage. Accurate prediction could result in the appropriate hospital triage of high risk patients. The objective of this study was to identify clinical factors observed within the first 24 h of hospital admission that could predict subsequent severe dengue. METHODS: We conducted a retrospective cohort study of 320 patients with febrile illness who had confirmation of dengue within one week of admission, using data from the 2009-2010 Honduras Epidemiological Survey for Dengue. The outcome measure was plasma leakage defined using hemoconcentration ≥15% as determined by serial hematocrit testing. We conducted univariable analysis and multivariable logistic regression analysis to construct a predictive model for severe dengue. RESULTS: at admission, OR 3.02, 95% CI 1.42 to 6.42, were significantly associated with plasma leakage, while the presence of petechiae, OR 0.24 95% CI 0.080 to 0.73, and headache, OR 0.38, 95% CI 0.15 to 0.95, were negatively associated with leakage. Using an estimated probability of 7% as a threshold for a person being considered a severe case correctly predicted 26 of the 34 severe cases (sensitivity 76.4%) and 201 of the 286 non-severe cases (specificity of 70.3%) for a percentage correctly classified of 70.9%. CONCLUSION: We identified signs and symptoms that can correctly identify a majority of patients who eventually develop severe dengue in Honduras. It will be important to further refine our models and validate them in other populations.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».