Risk Prediction After a Brief Resolved Unexplained Event
Notice bibliographique
Résumé
OBJECTIVES: Only 4% of brief resolved unexplained events (BRUE) are caused by a serious underlying illness. The American Academy of Pediatrics (AAP) guidelines do not distinguish patients who would benefit from further investigation and hospitalization. We aimed to derive and validate a clinical decision rule for predicting the risk of a serious underlying diagnosis or event recurrence. METHODS: We retrospectively identified infants presenting with a BRUE to 15 children's hospitals (2015-2020). We used logistic regression in a split-sample to derive and validate a risk prediction model. RESULTS: Of 3283 eligible patients, 565 (17.2%) had a serious underlying diagnosis (n = 150) or a recurrent event (n = 469). The AAP's higher-risk criteria were met in 91.5% (n = 3005) and predicted a serious diagnosis with 95.3% sensitivity, 8.6% specificity, and an area under the curve of 0.52 (95% confidence interval [CI]: 0.47-0.57). A derived model based on age, previous events, and abnormal medical history demonstrated an area under the curve of 0.64 (95%CI: 0.59-0.70). In contrast to the AAP criteria, patients >60 days were more likely to have a serious underlying diagnosis (odds ratio:1.43, 95%CI: 1.03-1.98, P = .03). CONCLUSIONS: Most infants presenting with a BRUE do not have a serious underlying pathology requiring prompt diagnosis. We derived 2 models to predict the risk of a serious diagnosis and event recurrence. A decision support tool based on this model may aid clinicians and caregivers in the discussion on the benefit of diagnostic testing and hospitalization (https://www.mdcalc.com/calc/10400/brief-resolved-unexplained-events-2.0-brue-2.0-criteria-infants).
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».