VALIDITY OF LACTATE CLEARANCE VERSUS PEDIATRIC RISK OF MORTALITY (PRISM) SCORE III AND PEDIATRIC INDEX OF MORTALITY (PIM) SCORE 3 IN PREDICTION OF MORTALITY IN PICU
Notice bibliographique
Résumé
Objective: to determine whether lactate clearance in the early period of resuscitation help predict mortality in pediatric intensive care unit and to compare it with the performance of the new risk of mortality (PIM 3) and PRISM III to predict actual mortality among patients in PICU in Al -Azhar University Hospitals (El Hussein &Bab El Sheria). Subjects and Methods: A prospective observational study was conducted on 100 children of both sexes admitted to Pediatric Intensive Care Unit (PICU) of Al -Azhar University Hospitals, pediatric department (El Hussein &Bab El Sheria). They were selected by simple random method. This study was carried out during the period of December 2017 to December 2018. Full history, routine, physical examination and special investigations were taking. Results: Lactate Clearance, PRISM III and PIM 3 score, showed a receiver-operating-characteristics area under the curve (ROC-AUC) value of 0.974, 0.971 and 0.941 respectively to predict PICU mortality (cut-off showing highest sensitivity was 24 hours Lactate Clearance of 15.4%, PIM 3 Score of 33.3, and PRISM III of 16 and specificity was 87.5%, 87.5% and 75% for each respectively. Conclusions: PRISM III and PIM 3 scoring systems shows adequate discriminatory function and well calibrated for the case mix of patients in PICU of Al Azhar University hospitals. It can be used as a beneficial tool for evaluation of risk adjusted mortality. Lactate clearance showed higher sensitivity and specificity than PRISM III and PIM 3 so serum lactate level should be used as one of the first laboratory orders to be measured to all cases admitted at pediatric intensive care unit at admission and after 24 hours followed by calculation of lactate clearance.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,002 |
| 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 ».