Development of a risk‐prediction model for Middle East respiratory syndrome coronavirus infection in dialysis patients
Notice bibliographique
Résumé
Introduction The Middle East respiratory syndrome coronavirus (MERS-CoV) infection can cause transmission clusters and high mortality in hemodialysis facilities. We attempted to develop a risk-prediction model to assess the early risk of MERS-CoV infection in dialysis patients. Methods This two-center retrospective cohort study included 104 dialysis patients who were suspected of MERS-CoV infection and diagnosed with rRT-PCR between September 2012 and June 2016 at King Fahd General Hospital in Jeddah and King Abdulaziz Medical City in Riyadh. We retrieved data on demographic, clinical, and radiological findings, and laboratory indices of each patient. Findings A risk-prediction model to assess early risk for MERS-CoV in dialysis patients has been developed. Independent predictors of MERS-CoV infection were identified, including chest pain (OR = 24.194; P = 0.011), leukopenia (OR = 6.080; P = 0.049), and elevated aspartate aminotransferase (AST) (OR = 11.179; P = 0.013). The adequacy of this prediction model was good (P = 0.728), with a high predictive utility (area under curve [AUC] = 76.99%; 95% CI: 67.05% to 86.38%). The prediction of the model had optimism-corrected bootstrap resampling AUC of 71.79%. The Youden index yielded a value of 0.439 or greater as the best cut-off for high risk of MERS infection. Discussion This risk-prediction model in dialysis patients appears to depend markedly on chest pain, leukopenia, and elevated AST. The model accurately predicts the high risk of MERS-CoV infection in dialysis patients. This could be clinically useful in applying timely intervention and control measures to prevent clusters of infections in dialysis facilities or other health care settings. The predictive utility of the model warrants further validation in external samples and prospective studies.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».