Predicting severe pneumonia in the emergency department: a global study of the Pediatric Emergency Research Networks (PERN)—study protocol
Notice bibliographique
Résumé
INTRODUCTION: Pneumonia is a frequent and costly cause of emergency department (ED) visits and hospitalisations in children. There are no evidence-based, validated tools to assist physicians in management and disposition decisions for children presenting to the ED with community-acquired pneumonia (CAP). The objective of this study is to develop a clinical prediction model to accurately stratify children with CAP who are at risk for low, moderate and severe disease across a global network of EDs. METHODS AND ANALYSIS: This study is a prospective cohort study enrolling up to 4700 children with CAP at EDs at ~80 member sites of the Pediatric Emergency Research Networks (PERN; https://pern-global.com/). We will include children aged 3 months to <14 years with a clinical diagnosis of CAP. We will exclude children with hospital admissions within 7 days prior to the study visit, hospital-acquired pneumonias or chronic complex conditions. Clinical, laboratory and imaging data from the ED visit and hospitalisations within 7 days will be collected. A follow-up telephone or text survey will be completed 7-14 days after the visit. The primary outcome is a three-tier composite of disease severity. Ordinal logistic regression, assuming a partial proportional odds specification, and recursive partitioning will be used to develop the risk stratification models. ETHICS AND DISSEMINATION: This study will result in a clinical prediction model to accurately identify risk of severe disease on presentation to the ED. Ethics approval was obtained for all sites included in the study. Cincinnati Children's Hospital Institutional Review Board (IRB) serves as the central IRB for most US sites. Informed consent will be obtained from all participants. Results will be disseminated through international conferences and peer-reviewed publications. This study overcomes limitations of prior pneumonia severity scores by allowing for broad generalisability of findings, which can be actively implemented after model development and validation.
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 | 0,021 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,007 |
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 ».