RISK FACTORS FOR THE DEVELOPMENT OF HOSPITAL-ACQUIRED PEDIATRIC VENOUS THROMBOEMBOLISM: DEALING WITH POTENTIALLY CAUSAL AND CONFOUNDING RISK FACTORS USING DIRECTED ACYCLIC GRAPH (DAG) ANALYSIS
Notice bibliographique
Résumé
Abstract Introduction Hospital-acquired venous thromboembolism (HA-VTE) in children comprises multiple risk factors that should not be evaluated separately due to collinearity and multiple cause and effect relationships. This is one of the first case-control study of pediatric HA-VTE risk factors using Directed Acyclic Graph (DAG) analysis. Material and Methods Retrospective, case-control study with 22 cases of radiologically proved HA-VTE and 76 controls matched by age, sex, unit of admission, and period of hospitalization. Descriptive statistics was used to define distributions of continuous variables, frequencies, and proportions of categorical variables, with a comparison between cases and controls. Due to many potential risk factors of HA-VTE, a directed acyclic graph (DAG) model was created to identify confounding, reduce bias, and increase precision on the analysis. The final model consisted of a DAG-based conditional logistic regression. The study was approved by the Institutional Review Board (CAAE 58056516.0.0000.5264). Results In the initial univariable model, the following variables were selected as potential risk factors for HA-VTE: length of stay (LOS, days), ICU admission in the last 30 days, LOS in ICU, infection, central venous catheter (CVC), L-asparaginase, heart failure, liver failure and nephrotic syndrome. The final model (table 1) revealed LOS (OR=1.108, 95%CI=1.024-1.199, p=0.011), L-asparaginase (OR=27.184, 95%CI=1.639-450.982, p=0.021), and nephrotic syndrome (OR=31.481, 95%CI=1.182-838.706, p=0.039) as independent risk factors for HA-VTE. Conclusion The DAG-based approach was useful to clarify the influence of confounders and multiple causalities of HA-VTE. Interestingly, CVC placement - a known thrombotic risk factor highlighted in several studies - was considered a confounder, while LOS, L-asparaginase use and nephrotic syndrome were confirmed as risk factors to HA-VTE. Large confidence intervals are related to the sample size, however the results were significant. Highlights HA-VTE comprises multiple risk factors that should not be evaluated separately due to collinearity and confounding Directed Acyclic Graph (DAG) helps to clarify collinearity and confounding related to multiple cause and effect relationships that exist in HA-VTE risk factors This is a novel study using DAG-based logistic regression to evaluate risk factors for HA-VTE in children We reported the importance of medical conditions on the genesis of HA-VTE using a DAG-based approach, which makes it possible to clarify the influence of confounders and multiple causalities, such as catheter, a significant risk factor highlighted in several studies
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».