Predicting fever in neutropenia with safety‐relevant events in children undergoing chemotherapy for cancer: The prospective multicenter SPOG 2015 FN Definition Study
Notice bibliographique
Résumé
BACKGROUND: Fever in neutropenia (FN) remains a frequent complication in pediatric patients undergoing chemotherapy for cancer. Preventive strategies, like primary antibiotic prophylaxis, need to be evidence-based. PROCEDURE: Data on pediatric patients with any malignancy from the prospective multicenter SPOG 2015 FN Definition Study (NCT02324231) were analyzed. A score predicting the risk to develop FN with safety-relevant events (SRE; bacteremia, severe sepsis, intensive care unit admission, death) was developed using multivariate mixed Poisson regression. Its predictive performance was assessed by internal cross-validation and compared with the performance of published rules. RESULTS: In 238 patients, 318 FN episodes were recorded, including 53 (17%) with bacteremia and 68 (21%) with SRE. The risk-prediction score used three variables: chemotherapy intensity, defined according to the expected duration of severe neutropenia, time since diagnosis, and type of malignancy. Its cross-validated performance, assessed by the time needed to cover (TNC) one event, exceeded the performance of published rules. A clinically useful score threshold of ≥11 resulted in 2.3% time at risk and 4.1 months TNC. Using external information on efficacy and timing of intermittent antibiotic prophylaxis, 4.3 months of prophylaxis were needed to prevent one FN with bacteremia, and 5.2 months to prevent one FN with SRE, using a threshold of ≥11. CONCLUSIONS: This score, based on three routinely accessible characteristics, accurately identifies pediatric patients at risk to develop FN with SRE during chemotherapy. The score can help to design clinical decision rules on targeted primary antibiotic prophylaxis and corresponding efficacy studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».