Risk stratification of immunocompromised children, including pediatric transplant recipients at risk of severe respiratory syncytial virus disease
Notice bibliographique
Résumé
BACKGROUND: Respiratory syncytial virus (RSV) infection is associated with increased morbidity and mortality in immunocompromised patients. Our goal was to develop a framework for risk stratifying immunocompromised patients, including transplant patients, for RSV prophylaxis. METHODS: Risk factors for severe RSV disease in immunocompromised patients were identified in the literature and by an expert panel via survey. Experts assigned a probability of developing severe disease (0 to 100 scale) to the risk factors for each immunocompromised population. The results were validated using a clinical dataset. Linear mixed models adjusted for within-expert clustering of ranks were used to estimate average scores, and differences were tested using paired t tests. Logistic regression was utilized to identify important determinants of severe RSV disease. RESULTS: The survey was emailed to twenty-seven experts and thirteen responded (48%). Across all transplant groups, age <2 years (mean 77.1, 95% CI 71.7, 82.5) and day care attendance (mean 72.8, 95% CI 67.3, 78.3) were assigned the highest risk of severe disease. The highest risk groups were lung transplant recipients (mean 73.2, 95% CI 67.6, 78.8), combined lung and heart transplant recipients (mean 75.2, 95% CI 69.6, 80.7), allogeneic stem cell transplant (mean 76.0, 95% CI 70.4, 81.6), and severe combined immunodeficiency (mean 74.7, 95% CI 69.1, 80.3). CONCLUSION: The results provide a logical validity to current practice and provide guidance for prioritizing patients to receive prophylactic agents to prevent severe RSV disease. The results will facilitate the development of a risk stratification tool for RSV prophylaxis for immunocompromised patients.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».