O054 / #742: BUILDING AND VALIDATING A PREDICTION MODEL FOR POST-DISCHARGE MORTALITY AMONG 6 TO 60-MONTH-OLD CHILDREN ADMITTED WITH A PROVEN OR SUSPECTED INFECTION IN UGANDA
Notice bibliographique
Résumé
Aims & Objectives: In low- and middle-income countries, many children die following hospitalization for infections. Data driven tools can help healthcare workers identify the most vulnerable children. Our objective was to develop and validate algorithms for post-discharge mortality. Methods: This was a 4-hospital prospective cohort study of 6-60 month old children in Uganda. We collected clinical, anthropometric, social and demographic indicators from consented subjects on admission with a proven or suspected infection. Children were followed up to 6 months post-discharge. Using clinical variables as predictors, we built an elastic net prediction model for post-discharge mortality. We used 10-fold cross validation to determine internal validation of the model building, and we assessed performance of the model using subsequently collected data not used in model building. Results: A total of 2635 children were enrolled and followed up at four hospitals over two time periods, March 2012 to December 2013 and July 2017 to June 2018. Of these, 127 (4.8%) died post discharge. A total of 13 out of 31 predictors were chosen for the model. Of these 13 predictors, the three most important were MUAC, weight for age z-score, and SpO2. The model had an area under the receiver operating curve (AUROC) of 0.74 and a specificity of 58% to achieve 80% sensitivity. In 1523 subsequently collected cases (June 2018 to March 2019), the model performed similarly (AUROC = 0.75, specificity = 55%, sensitivity = 87%). Conclusions: Our model predicted post-discharge mortality based on frugal information collected on admission and performs well in unseen data from similar populations.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».