Soluble Urokinase-Type Plasminogen Activator Receptor as a Prognostic Marker of Ugandan Children at Risk of Severe and Fatal Malaria
Notice bibliographique
Résumé
BACKGROUND: Current malaria diagnostic tests do not reliably identify children at risk of severe and fatal infection. Host immune and endothelial activation contribute to malaria pathogenesis. Soluble urokinase-type plasminogen activator receptor (suPAR) is a marker of these pathways. We hypothesized that measuring suPAR at presentation could risk-stratify children with malaria. METHODS: Plasma suPAR levels were determined in consecutive febrile children with malaria at presentation to hospital in Jinja, Uganda. We evaluated the accuracy of suPAR in predicting in-hospital mortality, and whether suPAR could improve a validated clinical scoring system (Lambaréné Organ Dysfunction Score [LODS]). RESULTS: Of the 1226 children with malaria, 39 (3.2%) died. suPAR concentrations at presentation were significantly higher in children who went on to die than in those who survived (P < .0001). suPAR levels were associated with disease severity (LODS: 0 vs 1, P = .001; 1 vs 2, P < .001; 2 vs 3, 0 vs 2, 1 vs 3, and 0 vs 3, P < .0001). suPAR concentrations were excellent predictors of in-hospital mortality (area under the receiver operating characteristic curve [AUROC], 0.92 [95% confidence interval {CI}, .91-.94]). The prognostic accuracy of LODS (AUROC, 0.93 [95% CI, .91-.94]) was improved when suPAR was added (AUROC, 0.97 [95% CI, .96-.98]; P < .0001). CONCLUSIONS: Measuring suPAR at presentation can identify children at risk of severe and fatal malaria. Adding suPAR to clinical scores could improve the recognition and triage of children at risk of death. suPAR can be detected with a point-of-care test and can now be evaluated in prospective trials.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,004 | 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 ».