Notice bibliographique
Résumé
Background: Symptomatic dengue infection can be classified into 3 patterns based on their severity; dengue fever (DF ) , dengue hemorrhagic fever (DHF ) and dengue shock syndrome (DSS). In clinical practice, the diagnosis and management are based on clinical findings and abnormal initial laboratory tests . We conducted the present study to explore a set of parameters, preferable routine, or at least easy to investigate, that could be used as indicators for dengue infection severity . Methods: A retrospective cohort study was conducted in three university-affiliated hospitals, one general hospital and two referral hospitals, in the northern part of Thailand. Patients were grouped into the three severity categories (DF, DHF, and DSS), using modified WHO criteria. Pre-defined prognostic indicators were compared. The prognostic indicators for dengue severity were analyzed by a multivariable polytomous logistic regression and presented with odds ratios. Results: From 777 patients overall, 391 were classified as DF, 296 with DHF, and 90 with DSS. The characteristics that increased the risk of DHF were; age > 6 year (OR = 1.85), hepatomegaly (OR = 3.49), any bleeding episodes (OR = 1.43), white cell count > 5,000/µL (OR = 1.80), and platelet <= 100,000/µL (OR = 3.72). The characteristics that increase the risk of DSS were; hepatomegaly (OR = 43.44), any bleeding episodes (OR = 5.58), pulse pressure <= 20 mmHg (OR = 19.09), SBP < 90 mmHg (OR = 2.45), hematocrit > 40% (OR = 1.88), white cell count > 5,000/µL (OR = 2.36), and platelet <= 100,000/µL (OR = 10.60). Conclusions: The severity of dengue infection is significantly associated with some routine clinical parameters. These parameters may be used to develop a future scoring system to predict and manage dengue infection severity early in the course of the illness. doi: http://dx.doi.org/10.4021/ijcp73w
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».