Biomarker Phenotype for Early Diagnosis and Triage of Sepsis to the Pediatric Intensive Care Unit
Notice bibliographique
Résumé
Early diagnosis and triage of sepsis improves outcomes. We aimed to identify biomarkers that may advance diagnosis and triage of pediatric sepsis. Serum and plasma samples were collected from young children (1-23 months old) with sepsis on presentation to the Pediatric Intensive Care Unit (PICU-sepsis, n = 46) or Pediatric Emergency Department (PED-sepsis, n = 58) and PED-non-sepsis patients (n = 19). Multivariate analysis was applied to distinguish between patient groups. Results were compared to our results for older children (2-17 years old). Common metabolites and protein-mediators were validated as potential biomarkers for a sepsis-triage model to differentiate PICU-sepsis from PED-sepsis in children age 1 month-17 years. Metabolomics in young children clearly separated the PICU-sepsis and PED-sepsis cohorts: sensitivity 0.71, specificity 0.93, and AUROC = 0.90 ± 0.03. Adding protein-mediators to the model did not improve performance. The seven metabolites common to the young and older children were used to create the sepsis-triage model. Validation of the sepsis-triage model resulted in sensitivity: 0.83 ± 0.02, specificity: 0.88 ± 0.05 and AUROC 0.93 ± 0.02. The metabolic-based biomarkers predicted which sepsis patients required care in a PICU versus those that could be safely cared for outside of a PICU. This has potential to inform appropriate triage of pediatric sepsis, particularly in EDs with less experience evaluating children.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».