Common data elements for predictors of pediatric sepsis: A framework to standardize data collection
Notice bibliographique
Résumé
BACKGROUND: Standardized collection of predictors of pediatric sepsis has enormous potential to increase data compatibility across research studies. The Pediatric Sepsis Predictor Standardization Working Group collaborated to define common data elements for pediatric sepsis predictors at the point of triage to serve as a standardized framework for data collection in resource-limited settings. METHODS: A preliminary list of pediatric sepsis predictor variables was compiled through a systematic literature review and examination of global guideline documents. A 5-round modified Delphi that involved independent voting and active group discussions was conducted to select, standardize, and prioritize predictors. Considerations included the perceived predictive value of the candidate predictor at the point of triage, intra- and inter-rater measurement reliability, and the amount of time and material resources required to reliably collect the predictor in resource-limited settings. RESULTS: We generated 116 common data elements for implementation in future studies. Each common data element includes a standardized prompt, suggested response values, and prioritization as tier 1 (essential), tier 2 (important), or tier 3 (exploratory). Branching logic was added to the predictors list to facilitate the design of efficient data collection methods, such as low-cost electronic case report forms on a mobile application. The set of common data elements are freely available on the Pediatric Sepsis CoLab Dataverse and a web-based feedback survey is available through the Pediatric Sepsis CoLab. Updated iterations will continuously be released based on feedback from the pediatric sepsis research community and emergence of new information. CONCLUSION: Routine use of the common data elements in future studies can allow data sharing between studies and contribute to development of powerful risk prediction algorithms. These algorithms may then be used to support clinical decision making at triage in resource-limited settings. Continued collaboration, engagement, and feedback from the pediatric sepsis research community will be important to ensure the common data elements remain applicable across a broad range of geographical and sociocultural settings.
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 | 0,603 | 0,569 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,011 |
| Bibliométrie | 0,033 | 0,022 |
| Études des sciences et des technologies | 0,009 | 0,014 |
| Communication savante | 0,017 | 0,024 |
| Science ouverte | 0,009 | 0,024 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».