Blood Cultures and Molecular Diagnostics in Intensive Care Units to Diagnose Sepsis: A Bayesian Latent Class Model Analysis
Notice bibliographique
Résumé
BACKGROUND: Confirmation of sepsis by standard blood cultures (STD) is often inconclusive due to slow growth and low positivity. Molecular diagnostics (MOL) are faster and may have higher positivity, but test performance can be inaccurately estimated if STD methods are used as comparators. Bayesian latent class models (LCMs) can evaluate diagnostic methods when there is no "gold standard." Intensive care unit studies that have used LCMs to combine and compare STD and MOL method performance and estimate the prevalence of sepsis have not been described. PATIENTS AND METHODS: Results from an ICU sepsis study that used both tests simultaneously were analyzed. Bayesian LCMs combined prior prevalence of sepsis, prior diagnostic characteristics of the two methods, and the study results to estimate the posterior prevalence and diagnostic characteristics. Sensitivity analyses were performed using objective (published studies) and subjective (expert opinion) prior parameters. Positive predictive values (PPVs) of the prevalence of sepsis were estimated for all combinations of test results. RESULTS: The range of posterior estimates was: sepsis prevalence (0.38-0.88), sensitivities (STD: 0.2-0.35, MOL: 0.56-0.86), and specificities (STD: 0.87-0.99, MOL: 0.72-0.95). The PPV (sepsis) of both tests being positive was (0.72-0.99). CONCLUSION: LCMs combined two imperfect methods to estimate prevalence, PPV, and diagnostic characteristics. The posterior estimates (STD sensitivity < MOL and STD specificity > MOL) seem to reflect the clinical experience appropriately. The high PPV when both methods show positive results can be useful for ruling in disease. HOW TO CITE THIS ARTICLE: Sampath S, Baby J, Krishna B, Dendukuri N, Thomas T. Blood Cultures and Molecular Diagnostics in Intensive Care Units to Diagnose Sepsis: A Bayesian Latent Class Model Analysis. Indian J Crit Care Med 2021;25(12):1402-1407.
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 | 0,042 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».