Antibiotic Discontinuation 24 h After Neonatal Late-Onset Sepsis Work-Up—A Validated Decision Tree Model
Notice bibliographique
Résumé
Objectives: Neonatal late-onset sepsis work-up is a frequent occurrence in every neonatal department. Blood cultures are the diagnostic gold standard, however, a negative culture prior to 48–72 h is often considered insufficient to exclude sepsis. We aimed to develop a decision tree which would enable exclusion of late-onset sepsis within 24 h using clinical and laboratory variables. Study Design: Infants evaluated for late-onset sepsis during the years 2016–2019, without major malformations, in a tertiary neonatal center were eligible for inclusion. Blood cultures and clinical and laboratory data were extracted at 0 and 24 h after sepsis work-up. Infants with bacteriologically confirmed late-onset sepsis were compared to matched control infants. Univariate logistic regression identified potential risk factors. A decision tree based on Chi-square automatic interaction detection methodology was developed and validated. Results: The study cohort was divided to a development cohort (105 patients) and a validation cohort (60 patients). At 24 h after initial evaluation, the best variables to identify sepsis were C-reactive protein > 0.75 mg/dl, neutrophil-to-lymphocyte ratio > 1.5 and sick-appearance at 24 h. Use of these 3 variables together with blood culture status at 24 h, enabled identification of all infants that eventually developed sepsis through the decision tree model. Our decision tree has an area under the receiver operating characteristic curve of 0.94 (95% CI: 0.90–0.98). Conclusions: In non-sick appearing infants with a negative blood culture at 24 h and normal laboratory values, sepsis is highly unlikely and discontinuing antibiotics after 24 h is a viable option.
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 ».