Risk-stratification of febrile African children at risk of sepsis using sTREM-1 as basis for a rapid triage test
Notice bibliographique
Résumé
Identifying febrile children at risk of sepsis in low-resource settings can improve survival, but recognition triage tools are lacking. Here we test the hypothesis that measuring circulating markers of immune and endothelial activation may identify children with sepsis at risk of all-cause mortality. In a prospective cohort study of 2,502 children in Uganda, we show that Soluble Triggering Receptor Expressed on Myeloid cells-1 (sTREM-1) measured at first clinical presentation, had high predictive accuracy for subsequent in-hospital mortality. sTREM-1 had the best performance, versus 10 other markers, with an AUROC for discriminating children at risk of death of 0.893 in derivation (95% CI 0.843-0.944) and 0.901 in validation (95% CI 0.856-0.947) cohort. sTREM-1 cutoffs corresponding to a negative likelihood ratio (LR) of 0.10 and a positive LR of 10 classified children into low (1,306 children, 53.1%), intermediate (942, 38.3%) and high (212, 8.6%) risk zones. The estimated incidence of death was 0.5%, 3.9%, and 31.8%, respectively, suggesting sTREM-1 could be used to risk-stratify febrile children. These findings do not attempt to derive a risk prediction model, but rather define sTREM-1 cutoffs as the basis for rapid triage test for all cause fever syndromes in children in low-resource 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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».