Biomarkers for the Early Diagnosis of Sepsis in Burns: Systematic Review and Meta-analysis.
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to evaluate the diagnostic performance of all biomarkers studied to date for the early diagnosis of sepsis in hospitalized patients with burns. BACKGROUND: Early clinical diagnosis of sepsis in burns patients is notoriously difficult due to the hypermetabolic nature of thermal injury. A considerable variety of biomarkers have been proposed as potentially useful adjuncts to assist with making a timely and accurate diagnosis. METHODS: We searched Medline, Embase, Cochrane CENTRAL, Biosis Previews, Web of Science, and Medline In-Process to February 2020. We included diagnostic studies involving burns patients that assessed biomarkers against a reference sepsis definition of positive blood cultures or a combination of microbiologically proven infection with systemic inflammation and/or organ dysfunction. Pooled measures of diagnostic accuracy were derived for each biomarker using bivariate random-effects meta-analysis. RESULTS: We included 28 studies evaluating 57 different biomarkers and incorporating 1517 participants. Procalcitonin was moderately sensitive (73%) and specific (75%) for sepsis in patients with burns. C-reactive protein was highly sensitive (86%) but poorly specific (54%). White blood cell count had poor sensitivity (47%) and moderate specificity (65%). All other biomarkers had insufficient studies to include in a meta-analysis, however brain natriuretic peptide, stroke volume index, tumor necrosis factor (TNF)-alpha, and cell-free DNA (on day 14 post-injury) showed the most promise in single studies. There was moderate to significant heterogeneity reflecting different study populations, sepsis definitions and test thresholds. CONCLUSIONS: The most widely studied biomarkers are poorly predictive for sepsis in burns patients. Brain natriuretic peptide, stroke volume index, TNF-alpha, and cell-free DNA showed promise in single studies and should be further evaluated. A standardized approach to the evaluation of diagnostic markers (including time of sampling, cut-offs, and outcomes) would be useful.
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 | 0,019 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,039 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».