MétaCan
Menu
Retour à la cohorte
Enregistrement W3008904339 · doi:10.1097/pcc.0000000000002235

Comparison of the Automated Pediatric Logistic Organ Dysfunction-2 Versus Manual Pediatric Logistic Organ Dysfunction-2 Score for Critically Ill Children*

2020· article· en· W3008904339 sur OpenAlexaffabout
Michaël Sauthier, Florence Landry-Hould, Stéphane Leteurtre, Atsushi Kawaguchi, Guillaume Émériaud, Philippe Jouvet

Notice bibliographique

RevuePediatric Critical Care Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeLogistic regressionOrgan dysfunctionIntraclass correlationReceiver operating characteristicPediatric intensive care unitConfidence intervalRetrospective cohort studyIntensive care unitCritically illEmergency medicinePediatricsInternal medicineSepsis

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The Pediatric Logistic Organ Dysfunction-2 is a validated score that quantifies organ dysfunction severity and requires complex data collection that is time-consuming and subject to errors. We hypothesized that a computer algorithm that automatically collects and calculates the Pediatric Logistic Organ Dysfunction-2 (aPELOD-2) score would be valid, fast and at least as accurate as a manual approach (mPELOD-2). DESIGN: Retrospective cohort study. SETTING: Single center tertiary medical and surgical pediatric critical care unit (Sainte-Justine Hospital, Montreal, Canada). PATIENTS: Critically ill children participating in four clinical studies between January 2013 and August 2018, a period during which mPELOD-2 data were manually collected. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: The aPELOD-2 was calculated for all consecutive admissions between 2013 and 2018 (n = 5,279) and had a good survival discrimination with an area under the receiver operating characteristic curve of 0.84 (95% CI, 0.81-0.88). We also collected data from four single-center studies in which mPELOD-2 was calculated (n = 796, 57% medical, 43% surgical) and compared these measurements to those of the aPELOD-2. For those patients, median age was 15 months (interquartile range, 3-73 mo), median ICU stay was 5 days (interquartile range, 3-9 d), mortality was 3.9% (n = 28). The intraclass correlation coefficient between mPELOD-2 and aPELOD-2 was 0.75 (95% CI, 0.73-0.77). The Bland-Altman showed a bias of 1.9 (95% CI, 1.7-2) and limits of agreement of -3.1 (95% CI, -3.4 to -2.8) to 6.8 (95% CI, 6.5-7.2). The highest agreement (Cohen's Kappa) of the Pediatric Logistic Organ Dysfunction-2 components was noted for lactate level (0.88), invasive ventilation (0.86), and creatinine level (0.82) and the lowest for the Glasgow Coma Scale (0.52). The proportion of patients with multiple organ dysfunction syndrome was higher for aPELOD-2 (78%) than mPELOD-2 (72%; p = 0.002). The aPELOD-2 had a better survival discrimination (area under the receiver operating characteristic curve, 0.81; 95% CI, 0.72-0.90) over mPELOD-2 (area under the receiver operating characteristic curve, 0.70; 95% CI, 0.59-0.82; p = 0.01). CONCLUSIONS: We successfully created a freely available automatic algorithm to calculate the Pediatric Logistic Organ Dysfunction-2 score that is less labor intensive and has better survival discrimination than the manual calculation. Use of an automated system could greatly facilitate integration of the Pediatric Logistic Organ Dysfunction-2 score at the bedside and within clinical decision support systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,406
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePediatric Critical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207