Abstract O.34: NT-proBNP based Algorithm for Diagnosis and Treatment of Kawasaki Disease - Are we there yet?
Notice bibliographique
Résumé
Background: Diagnosis of Kawasaki Disease (KD) can be confusing in the absence of a confirmatory test or pathognomonic finding, especially when clinical criteria are incomplete (iKD). We have lately proposed serum NT-proBNP as an adjunctive diagnostic test. Method: We retrospectively tested a new diagnostic algorithm to aid in diagnosis based on NT-proBNP (Z-score for age), coronary artery dilation (CAD) at onset, and abnormal serum albumin or CRP. The goal was to assess the performance of the algorithm with respect to CAD outcome (aneurysm, dilation, or occult dilation). Occult dilation is defined as variation of coronary artery Z-score >2 within the normal range (<2.5). Results: The algorithm was tested on 81 KD patients who had NT-proBNP on admission at our institution between 2008 and 2013. Age at diagnosis was 3.2 ± 2.6 years, with a median of 5 diagnostic criteria (range 3-6), of whom 31/81 (38.3%) had iKD. Aneurysms occurred in 16/81 (19.8%); higher prevalence in iKD, 12/31 (38.7%) versus 4/50 (8.0%) (p=0.001). CAD affected 35/81 (43.2%), and 30/81 (37.0%) had occult CAD. With the algorithm, 80/81 (98.8%) were to be treated: based on high NT-proBNP alone for 54/81 (66.7%), on onset CAD for 13/81 (16.0%), and on high CRP or low albumin for 13/81 (16.0%). (Figure 1) Results were similar when the algorithm was applied to patients with complete or incomplete criteria. The only patient “not-to-treat” with the algorithm had iKD and transient occult CAD. Conclusion: This NT-proBNP based algorithm is efficient to identify and treat patients at risk of coronary involvement, despite an apparent selection bias of CA involvement. This paves the way for a prospective validation trial of the algorithm.
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 | 0,008 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».