MétaCan
Menu
Retour à la cohorte
Enregistrement W3124195470 · doi:10.1159/000510671

Commentary on “C-Reactive Protein for the Diagnosis of Late-Onset Infections in Newborn Infants”

2020· letter· en· W3124195470 sur OpenAlexafffund
Mohan Pammi, Prakesh S. Shah

Notice bibliographique

RevueNeonatology · 2020
Typeletter
Langueen
DomaineMedicine
ThématiqueNeonatal and Maternal Infections
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCanadian Institutes of Health Research
Mots-clésMedicineConfidence intervalPediatricsReceiver operating characteristicCohort studyMEDLINEMeta-analysisProspective cohort studyCohortInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Late-onset infection is the most common serious complication associated with hospital care for newborn infants. Because confirming the diagnosis by microbiological culture typically takes 24 to 48 hours, the serum level of the inflammatory marker C-reactive protein (CRP) measured as part of the initial investigation is used as an adjunctive rapid test to guide management in infants with suspected late-onset infection. OBJECTIVES: To determine the diagnostic accuracy of serum CRP measurement in detecting late-onset infection in newborn infants. SEARCH METHODS: We searched electronic databases (MEDLINE, Embase, and Science Citation Index to September 2017), conference proceedings, previous reviews, and the reference lists of retrieved articles. SELECTION CRITERIA: We included cohort and cross-sectional studies evaluating the diagnostic accuracy of serum CRP levels for the detection of late-onset infection (occurring more than 72 hours after birth) in newborn infants. DATA COLLECTION AND ANALYSIS: Two review authors independently assessed eligibility for inclusion, evaluated the methodological quality of included studies, and extracted data to estimate diagnostic accuracy using hierarchical summary receiver operating characteristic (SROC) models. We assessed heterogeneity by examining variability of study estimates and overlap of the 95% confidence interval (CI) in forest plots of sensitivity and specificity. MAIN RESULTS: The search identified 20 studies (1615 infants). Most were small, single-centre, prospective cohort studies conducted in neonatal units in high- or middle-income countries since the late 1990s. Risk of bias in the included studies was generally low with independent assessment of index and reference tests. Most studies used a prespecified serum CRP threshold level as the definition of a ‘positive’ index test (typical cut-off level between 5 mg/L and 10 mg/L) and the culture of a pathogenic micro-organism from blood as the reference standard. At median specificity (0.74), sensitivity was 0.62 (95% CI 0.50 to 0.73). Heterogeneity was evident in the forest plots, but it was not possible to conduct subgroup or meta-regression analyses by gestational ages, types of infection, or types of infecting micro-organism. Covariates for whether studies used a predefined threshold or not, and whether studies used a standard threshold of between 5 mg/L and 10 mg/L, were not statistically significant. AUTHORS’ CONCLUSIONS: The serum CRP level at initial evaluation of an infant with suspected late-onset infection is unlikely to be considered sufficiently accurate to aid early diagnosis or select infants to undergo further investigation or treatment with antimicrobial therapy or other interventions.

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)0,023
score de la tête « metaresearch » (Gemma)0,149
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,149
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,005
Communication savante0,0050,007
Science ouverte0,0090,003
Intégrité de la recherche0,0380,031
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

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 Opus0,022
Tête enseignante GPT0,290
Écart entre enseignants0,268 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeonatologyMême sujetNeonatal and Maternal InfectionsTravaux en français237 207