MétaCan
Menu
Retour à la cohorte
Enregistrement W2892996323 · doi:10.1097/pcc.0000000000001729

External Validation of the “Quick” Pediatric Logistic Organ Dysfunction-2 Score Using a Large North American Cohort of Critically Ill Children With Suspected Infection

2018· article· en· W2892996323 sur OpenAlexaff
Matthias Görges, Cheryl Peters, Srinivas Murthy, Shanshan Pi, Niranjan Kissoon

Notice bibliographique

RevuePediatric Critical Care Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of British Columbia HospitalBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeOrgan dysfunctionGlasgow Coma ScaleLogistic regressionReceiver operating characteristicMedical recordMultiple organ dysfunction syndromeRetrospective cohort studyPediatricsMortality rateEmergency medicineInternal medicineSurgerySepsis

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: A quick Pediatric Logistic Organ Dysfunction 2 score on day 1, consisting of tachycardia, hypotension, and altered mentation, was shown to predict mortality with an area under the receiver operating characteristic curve of 82% (95% CI, 76-87%) in children admitted to a PICU with suspected infection. We performed an external validation of the quick Pediatric Logistic Organ Dysfunction 2, including its performance in predicting mortality in specific age groups. DESIGN: Analysis of retrospective data obtained from the Virtual Pediatric Systems PICU registry. SETTING: Prospectively collected clinical records from 130 participating PICUs in North America. PATIENTS: Children admitted between January 2009 and December 2014, with a diagnosis of infection at discharge, for whom all required data were available. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Systolic blood pressures, heart rates, and Glasgow Coma Scale scores were used to evaluate the quick Pediatric Logistic Organ Dysfunction 2 using area under the receiver operating characteristic curve analysis. Performance was compared with Pediatric Risk of Mortality 3 and Pediatric Index of Mortality 2 risk scores. Data from 42,196 children with complete data were analyzed, with median age 2.7 years (interquartile range, 0.7-8.8 yr; range 0-18 yr) and a 4.27% mortality rate. Mortality was 13.4% for quick Pediatric Logistic Organ Dysfunction 2 greater than or equal to 2 and 2.5% for quick Pediatric Logistic Organ Dysfunction 2 less than 2, representing a false-negative rate of 49.5%. Also 311 children (17%) who died had a quick Pediatric Logistic Organ Dysfunction 2 score of 0. The area under the receiver operating characteristic curve was 72.6% (95% CI, 71.4-73.8%) for quick Pediatric Logistic Organ Dysfunction 2, compared with 85.0% (95% CI, 84.0-86.0%) for Pediatric Risk of Mortality 3 and 81.5% (95% CI, 80.5-82.5%) for Pediatric Index of Mortality 2. Performance of quick Pediatric Logistic Organ Dysfunction 2 was worst in the greater than 12 years age group (area under the receiver operating characteristic curve, 67.8%; 95% CI, 65-70.5) and best in the less than 1 month age group (area under the receiver operating characteristic curve, 78.9%; 95% CI, 75.3-82.4). CONCLUSIONS: Quick Pediatric Logistic Organ Dysfunction 2 performed markedly worse in our cohort, compared with the original study, and the high rate of false negatives limits its clinical utility in our population. Further work is needed to develop a robust quick pediatric sepsis diagnostic tool for both research and clinical care.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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 Opus0,039
Tête enseignante GPT0,336
Écart entre enseignants0,297 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Critical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207