Clinical utility of correction factors for febrile young infants with traumatic lumbar punctures
Notice bibliographique
Résumé
Objectives: Correction factors have been proposed for traumatic lumbar punctures (LPs) in febrile young infants. However, no studies have assessed their diagnostic utility. We sought to determine the proportion of traumatic LPs safely reclassified as low risk for bacterial meningitis using recently derived white blood cell (WBC) and protein correction factors. Methods: . Abnormal cerebrospinal fluid (CSF) WBCs and protein were adjusted downward using a newly derived correction factor (877 red blood cells [RBCs]: 1 WBC), three commonly used correction factors (500 WBCs: 1 RBC; 1,000 WBCs: 1 WBC; peripheral RBCs: WBCs), and a newly derived protein correction factor (1,000 RBCs: 0.011 g/L protein). Results: There were 437 traumatic LPs including 357 (82%) with pleocytosis and 4 (0.9%) with bacterial meningitis. Overall, fewer infants were classified as having CSF pleocytosis using 877:1 and 1,000:1 ratios (38% and 43%, respectively), with 100% sensitivity and negative predictive value, and improved specificity (63% for 877:1, 58% for 1,000:1 ratios versus 19% for uncorrected counts). Among infants with pleocytosis, 877:1 and 1,000:1 ratios reclassified 191 (54%) and 171 (48%) as normal with no misclassified bacterial meningitis cases. Ratios of 500:1 and peripheral RBC:WBC misclassified 1 infant that had bacterial meningitis. Corrected CSF protein outperformed uncorrected protein in specificity but did not add diagnostic value following WBC-based correction. Conclusions: Correction ratios of 877:1 and 1,000:1 safely reclassified half of all febrile infants ≤60 days. These corrections should be considered when interpreting CSF results of traumatic LPs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».