Accuracy of C-reactive Protein and Procalcitonin for Diagnosing Bacterial Infections Among Subjects With Persistent Fever in the Tropics
Notice bibliographique
Résumé
Background: In low-resource settings, inflammatory biomarkers can help identify patients with acute febrile illness who do not require antibiotics. Their use has not been studied in persistent fever (defined as fever lasting for ≥7 days at presentation). Methods: C-reactive protein (CRP) and procalcitonin (PCT) levels were measured in stored serum samples of patients with persistent fever prospectively enrolled in Cambodia, the Democratic Republic of Congo, Nepal, and Sudan. Diagnostic accuracy was assessed for identifying all bacterial infections and the subcategory of severe infections judged to require immediate antibiotics. Results: <.001). Sensitivity for overall and severe bacterial infections was 76.3% (469/615) and 88.2% (194/220) for CRP >10 mg/L, 62.4% (380/609) and 76.8% (169/220) for PCT >0.1 µg/L, and 30.5% (184/604) and 43.7% (94/215) for WBC >11 000/µL, respectively. Initial CRP level was <10 mg/L in 45% of the participants who received antibiotics at first presentation. Conclusions: In patients with persistent fever, CRP and PCT showed higher sensitivity for bacterial infections than WBC count, applying commonly used cutoffs for normal values. A normal CRP value excluded the vast majority of severe infections and could therefore assist in deciding whether to withhold empiric antibiotics after cautious clinical assessment.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».