Vergleich von drei Modellen zur Stratifikation von Sepsispatienten mit dem PIRO-Klassifikationssystem
Notice bibliographique
Résumé
Zusammenfassung Das Auftreten einer Sepsis gehört bei kritisch kranken Patienten zu den häufigsten und schwersten Komplikationen. Die Erkrankung ist mit hohen Mortalitätsraten, hohen Kosten und massiven Folgebeeinträchtigungen assoziiert. Die starke Heterogenität von Sepsispopulationen ist ein Problem in der Sepsisforschung. Durch eine verbesserte Einteilung in bestimmte Subgruppen könnten systematische Fehler und Verzerrungen vermieden werden. In Anlehnung an das TNM-System wurde 2002 im Rahmen des Toronto Roundtables das PIRO- Klassifikationssystem – Prädisposition, Infektion, Response und Organdysfunktion – eingeführt. Gegenstand dieser Studie war, die Leistungsfähigkeit zur Vorhersagewahrscheinlichkeit von drei bereits publizierten Konzepten anhand einer eigenen Studienpopulation zu testen. Bei dieser Untersuchung handelte es sich um eine prospektive, nicht-interventionelle, klinische Observationsstudie an der fünf anästhesiologisch geführte Intensivstationen der Charité- Universitätsmedizin Berlin teilnahmen. Eingeschlossen wurden erwachsene Patienten, die im vorgegebenen Zeitraum eine Sepsis entwickelten. Als Referenzkonzepte wurden die publizierten PIRO-Konzeptionen von Moreno et al, Rubulotta et al und Howell et al hinsichtlich ihrer Leistungsfähigkeit an der Studienpopulation verglichen. Von insgesamt 697 erfassten Patienten enwickelten 278 Patienten eine Sepsis. Die Krankenhaussterblichkeit betrug 16,2%. Unter Anwendung der PIRO-Kriterien an der Studienpopulation zeigte sich eine steigende Krankenhaussterblichkeit bei steigender PIRO- Punktzahl. Die berechneten Odds-Ratios waren für das PIRO-Klassifikationssystem von Rubulotta et al 1.282 (95% KI 1.079-1.524), für Howell et al 1.256 (95% KI 1.146-1.367)und für Moreno et al 1.070 (95% KI 1.041-1.100). Die berechneten AUC ́s betrugen für Howell et al 0.751 (95% KI 0.696-0.801), für Moreno et al 0.743 (95% KI 0.687-0.793) und für. Rubulotta et al 0.646 (95% KI 0.587-0.702). Im paarweisen Vergleich zeigten sich signifikante Unterschiede zwischen Moreno und Rubulotta (P=0.046) und Howell und Rubulotta (P=0.035), zu Ungunsten Rubulottas. Alle drei Konzeptionen waren für die Studienpopulation anwendbar. In der Analyse fanden sich leichte Unterschiede. Es war jedoch nicht möglich, einem Klassifikationssystem deswegen den Vorzug zu geben. Allgemein zeigt das PIRO-Klassifikationssystem eine gute Leistungsfähigkeit. Vor allem für die Kategorie Response, aber auch für Prädisposition und Infektion sind zukünftige Entwicklungen notwendig. Die Kategorie Organdysfunktion zeigt bereits jetzt gute Ergebnisse.
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) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».