MétaCan
Menu
Retour à la cohorte
Enregistrement W4303987068 · doi:10.1097/pcc.0000000000003086

Validation of a Computational Phenotype to Identify Acute Brain Dysfunction in Pediatric Sepsis

2022· article· en· W4303987068 sur OpenAlexaff
Alicia M. Alcamo, Gregory J. Barren, Andrew Becker, Katie Hayes, Julie C. Fitzgerald, Fran Balamuth, Jeffrey W. Pennington, Martha A. Q. Curley, Robert C. Tasker, Alexis Topjian, Scott L. Weiss

Notice bibliographique

RevuePediatric Critical Care Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensPediatric Oncology Group
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésMedicineSepsisGlasgow Coma ScaleConstruct validityCohortIntensive careInternal medicinePhenotypeCriterion validityRetrospective cohort studyPredictive validityPediatricsIntensive care medicinePsychiatryPsychometricsClinical psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To validate a computational phenotype that identifies acute brain dysfunction (ABD) based on clinician concern for neurologic or behavioral changes in pediatric sepsis. DESIGN: Retrospective observational study. SETTING: Single academic children's hospital. PATIENTS: Four thousand two hundred eighty-nine index sepsis episodes. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: An existing computational phenotype of ABD was optimized to include routinely collected variables indicative of clinician concern for acute neurologic or behavioral change (completion of CT or MRI, electroencephalogram, or new antipsychotic administration). First, the computational phenotype was compared with an ABD reference standard established from chart review of 527 random sepsis episodes to determine criterion validity. Next, the computational phenotype was compared with a separate validation cohort of 3,762 index sepsis episodes to determine content and construct validity. Criterion validity for the final phenotype had sensitivity 83% (95% CI, 76-89%), specificity 93% (90-95%), positive predictive value 84% (77-89%), and negative predictive value 93% (90-96%). In the validation cohort, the computational phenotype identified ABD in 35% (95% CI 33-36%). Content validity was demonstrated as those with the ABD computational phenotype were more likely to have characteristics of neurologic dysfunction and severe illness than those without the ABD phenotype, including nonreactive pupils (15% vs 1%; p < 0.001), Glasgow Coma Scale less than 5 (44% vs 12%; p < 0.001), greater than or equal to two nonneurologic organ dysfunctions (50% vs 25%; p < 0.001), and need for intensive care (81% vs 65%; p < 0.001). Construct validity was demonstrated by higher odds for mortality (odds ratio [OR], 6.9; 95% CI, 5.3-9.1) and discharge to rehabilitation (OR, 11.4; 95% CI 7.4-17.5) in patients with, versus without, the ABD computational phenotype. CONCLUSIONS: A computational phenotype of ABD indicative of clinician concern for new neurologic or behavioral change offers a valid retrospective measure to identify episodes of sepsis that involved ABD. This computational phenotype provides a feasible and efficient way to study risk factors for and outcomes from ABD using routinely collected clinical data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,391
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Critical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207