Getting the invite list right: a discussion of sepsis severity scoring systems in severe complicated intra-abdominal sepsis and randomized trial inclusion criteria
Notice bibliographique
Résumé
Background: Severe complicated intra-abdominal sepsis (SCIAS) is a worldwide challenge with increasing incidence. Open abdomen management with enhanced clearance of fluid and biomediators from the peritoneum is a potential therapy requiring prospective evaluation. Given the complexity of powering multi-center trials, it is essential to recruit an inception cohort sick enough to benefit from the intervention; otherwise, no effect of a potentially beneficial therapy may be apparent. An evaluation of abilities of recognized predictive systems to recognize SCIAS patients was conducted using an existing intra-abdominal sepsis (IAS) database. Methods: All consecutive adult patients with a diffuse secondary peritonitis between 2012 and 2013 were collected from a quaternary care hospital in Finland, excluding appendicitis/cholecystitis. From this retrospectively collected database, a target population (93) of those with either ICU admission or mortality were selected. The performance metrics of the Third Consensus Definitions for Sepsis and Septic Shock based on both SOFA and quick SOFA, the World Society of Emergency Surgery Sepsis Severity Score (WSESSSS), the APACHE II score, Manheim Peritonitis Index (MPI), and the Calgary Predisposition, Infection, Response, and Organ dysfunction (CPIRO) score were all tested for their discriminant ability to identify this subgroup with SCIAS and to predict mortality. Results: Predictive systems with an area under-the-receiving-operating characteristic (AUC) curve > 0.8 included SOFA, Sepsis-3 definitions, APACHE II, WSESSSS, and CPIRO scores with the overall best for CPIRO. The highest identification rates were SOFA score ≥ 2 (78.4%), followed by the WSESSSS score ≥ 8 (73.1%), SOFA ≥ 3 (75.2%), and APACHE II ≥ 14 (68.8%) identification. Combining the Sepsis-3 septic-shock definition and WSESSS ≥ 8 increased detection to 80%. Including CPIRO score ≥ 3 increased this to 82.8% (Sensitivity-SN; 83% Specificity-SP; 74%. Comparatively, SOFA ≥ 4 and WSESSSS ≥ 8 with or without septic-shock had 83.9% detection (SN; 84%, SP; 75%, 25% mortality). Conclusions: No one scoring system behaves perfectly, and all are largely dominated by organ dysfunction. Utilizing combinations of SOFA, CPIRO, and WSESSSS scores in addition to the Sepsis-3 septic shock definition appears to offer the widest "inclusion-criteria" to recognize patients with a high chance of mortality and ICU admission. Trial registration: https://clinicaltrials.gov/ct2/show/NCT03163095; Registered on May 22, 2017.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | high |
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».