MétaCan
Menu
Retour à la cohorte
Enregistrement W4223904478 · doi:10.1136/bmjgh-2021-008143

Derivation and validation of a novel risk assessment tool to identify children aged 2–59 months at risk of hospitalised pneumonia-related mortality in 20 countries

2022· article· en· W4223904478 sur OpenAlexaff
Chris A. Rees, Tim Colbourn, Shubhada Hooli, Carina King, Norman Lufesi, Eric D. McCollum, Charles Mwansambo, Clare Cutland, Shabir A. Madhi, Marta C. Nunes, Joseph L. Mathew, Emmanuel Addo‐Yobo, Noel Chisaka, Mumtaz Hassan, Patricia L. Hibberd, Prakash Jeena, Juan Manuel Lozano, William MacLeod, Archana Patel, Donald M. Thea, Ngoc Tuong Vy Nguyen, Cissy B. Kartasasmita, Marilla Lucero, Shally Awasthi, Ashish Bavdekar, Monidarin Chou, Pagbajabyn Nymadawa, Jean W. Pape, Gláucia Paranhos‐Baccalà, Valentina Picot, Mala Rakoto‐Andrianarivelo, Vanessa Rouzier, Graciela Russomando, Mariam Sylla, Philippe Vanhems, Jianwei Wang, Rai Muhammad Asghar, Salem Banajeh, Imran Iqbal, Irene Maulén-Radován, Greta Mino-Leon, Samir K. Saha, Mathuram Santosham, Sunit Singhi, Sudha Basnet, Tor A. Strand, Shinjini Bhatnagar, Nitya Wadhwa, Rakesh Lodha, Satinder Aneja, Alexey Clara, Harry Campbell, Harish Nair, Jennifer Falconer, Shamim Qazi, Yasir Bin Nisar, Mark I. Neuman

Notice bibliographique

RevueBMJ Global Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePneumonia and Respiratory Infections
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésPneumoniaMedicineLogistic regressionRisk assessmentUnconsciousnessCase fatality rateRisk of mortalityEmergency medicineMortality rateIntensive care medicinePediatricsEpidemiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Existing risk assessment tools to identify children at risk of hospitalised pneumonia-related mortality have shown suboptimal discriminatory value during external validation. Our objective was to derive and validate a novel risk assessment tool to identify children aged 2-59 months at risk of hospitalised pneumonia-related mortality across various settings. METHODS: We used primary, baseline, patient-level data from 11 studies, including children evaluated for pneumonia in 20 low-income and middle-income countries. Patients with complete data were included in a logistic regression model to assess the association of candidate variables with the outcome hospitalised pneumonia-related mortality. Adjusted log coefficients were calculated for each candidate variable and assigned weighted points to derive the Pneumonia Research Partnership to Assess WHO Recommendations (PREPARE) risk assessment tool. We used bootstrapped selection with 200 repetitions to internally validate the PREPARE risk assessment tool. RESULTS: A total of 27 388 children were included in the analysis (mean age 14.0 months, pneumonia-related case fatality ratio 3.1%). The PREPARE risk assessment tool included patient age, sex, weight-for-age z-score, body temperature, respiratory rate, unconsciousness or decreased level of consciousness, convulsions, cyanosis and hypoxaemia at baseline. The PREPARE risk assessment tool had good discriminatory value when internally validated (area under the curve 0.83, 95% CI 0.81 to 0.84). CONCLUSIONS: The PREPARE risk assessment tool had good discriminatory ability for identifying children at risk of hospitalised pneumonia-related mortality in a large, geographically diverse dataset. After external validation, this tool may be implemented in various settings to identify children at risk of hospitalised pneumonia-related mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,379
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetPneumonia and Respiratory InfectionsTravaux en français237 207