Computer-aided National Early Warning Score to predict the risk of sepsis following emergency medical admission to hospital: a model development and external validation study
Notice bibliographique
Résumé
BACKGROUND: In hospitals in England, patients' vital signs are monitored and summarized into the National Early Warning Score (NEWS); this score is more accurate than the Quick Sepsis-related Organ Failure Assessment (qSOFA) score at identifying patients with sepsis. We investigated the extent to which the accuracy of the NEWS is enhanced by developing and comparing 3 computer-aided NEWS (cNEWS) models (M0 = NEWS alone, M1 = M0 + age + sex, M2 = M1 + subcomponents of NEWS + diastolic blood pressure) to predict the risk of sepsis. METHODS: We included all emergency medical admissions of patients 16 years of age and older discharged over 24 months from 2 acute care hospital centres (York Hospital [YH] for model development and a combined data set from 2 hospitals [Diana, Princess of Wales Hospital and Scunthorpe General Hospital] in the Northern Lincolnshire and Goole National Health Service Foundation Trust [NH] for external model validation). We used a validated Canadian method for defining sepsis from administrative hospital data. RESULTS: The prevalence of sepsis was lower in YH (4.5%, 1596/35 807) than in NH (8.5%, 2983/35 161). The C statistic increased across models (YH: M0 0.705, M1 0.763, M2 0.777; NH: M0 0.708, M1 0.777, M2 0.791). For NEWS of 5 or higher, sensitivity increased (YH: 47.24% v. 50.56% v. 52.69%; NH: 37.91% v. 43.35% v. 48.07%), the positive likelihood ratio increased (YH: 2.77 v. 2.99 v. 3.06; NH: 3.18 v. 3.32 v. 3.45) and the positive predictive value increased (YH: 11.44% v. 12.24% v. 12.49%; NH: 22.75% v. 23.55% v. 24.21%). INTERPRETATION: From the 3 cNEWS models, model M2 is the most accurate. Given that it places no additional burden of data collection on clinicians and can be automated, it may now be carefully introduced and evaluated in hospitals with sufficient informatics infrastructure.
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 | 0,042 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».