A biomarker assay to risk-stratify patients with symptoms of respiratory tract infection
Notice bibliographique
Résumé
BACKGROUND: Patients who present to an emergency department (ED) with respiratory symptoms are often conservatively triaged in favour of hospitalisation. We sought to determine if an inflammatory biomarker panel that identifies the host response better predicts hospitalisation in order to improve the precision of clinical decision making in the ED. METHODS: From April 2020 to March 2021, plasma samples of 641 patients with symptoms of respiratory illness were collected from EDs in an international multicentre study: Canada (n=310), Italy (n=131) and Brazil (n=200). Patients were followed prospectively for 28 days. Subgroup analysis was conducted on confirmed coronavirus disease 2019 (COVID-19) patients (n=245). An inflammatory profile was determined using a rapid, 50-min, biomarker panel (RALI-Dx (Rapid Acute Lung Injury Diagnostic)), which measures interleukin (IL)-6, IL-8, IL-10, soluble tumour necrosis factor receptor 1 (sTNFR1) and soluble triggering receptor expressed on myeloid cells 1 (sTREM1). RESULTS: RALI-Dx biomarkers were significantly elevated in patients who required hospitalisation across all three sites. A machine learning algorithm that was applied to predict hospitalisation using RALI-Dx biomarkers had a mean±sd area under the receiver operating characteristic curve of 76±6% (Canada), 84±4% (Italy) and 86±3% (Brazil). Model performance was 82±3% for COVID-19 patients and 87±7% for patients with a confirmed pneumonia diagnosis. CONCLUSIONS: The rapid diagnostic biomarker panel accurately identified the need for inpatient care in patients presenting with respiratory symptoms, including COVID-19. The RALI-Dx test is broadly and easily applicable across many jurisdictions, and represents an important diagnostic adjunct to advance ED decision-making protocols.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».