Heart Rate Variability, Clinical and Laboratory Measures to Predict Future Deterioration in Patients Presenting With Sepsis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Risk stratification of patients presenting to the emergency department (ED) with sepsis can be challenging. We derived and evaluated performance of a predictive model containing clinical, laboratory, and heart rate variability (HRV) measures to quantify risk of deterioration in this population. METHODS: ED patients aged 21 and older satisfying the 1992 consensus conference criteria for sepsis and able to consent (directly or through a surrogate) were enrolled (n = 1,247). Patients had clinical, laboratory, and HRV data recorded within 1 h of ED presentation, and were followed to identify deterioration within 72 h. RESULTS: Eight hundred thirty-two patients had complete data, of whom 68 (8%) reached at least one endpoint. Optimal predictive performance was derived from a combination of laboratory values and HRV metrics with an area under the receiver-operating curve (AUROC) of 0.80 (95% CI, 0.65-0.92). This combination of variables was superior to clinical (AUROC = 0.69, 95% CI, 0.54-0.83), laboratory (AUROC = 0.77, 95% CI, 0.63-0.90), and HRV measures (AUROC = 0.76, 95% CI, 0.61-0.90) alone. The HRV+LAB model identified a high-risk cohort of patients (14% of all patients) with a 4.3-fold (95% CI, 3.2-5.4) increased risk of deterioration (incidence of deterioration: 35%), as well as a low-risk group (61% of all patients) with 0.2-fold (95% CI 0.1-0.4) risk of deterioration (incidence of deterioration: 2%). CONCLUSIONS: A model that combines HRV and laboratory values may help ED physicians evaluate risk of deterioration in patients with sepsis and merits validation and further evaluation.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle