Prognostic accuracy of biomarkers of immune and endothelial activation in Mozambican children hospitalized with pneumonia
Notice bibliographique
Résumé
Pneumonia is a leading cause of child mortality. However, currently we lack simple, objective, and accurate risk-stratification tools for pediatric pneumonia. Here we test the hypothesis that measuring biomarkers of immune and endothelial activation in children with pneumonia may facilitate the identification of those at risk of death. We recruited children <10 years old fulfilling WHO criteria for pneumonia and admitted to the Manhiça District Hospital (Mozambique) from 2010 to 2014. We measured plasma levels of IL-6, IL-8, Angpt-2, sTREM-1, sFlt-1, sTNFR1, PCT, and CRP at admission, and assessed their prognostic accuracy for in-hospital, 28-day, and 90-day mortality. Healthy community controls, within same age strata and location, were also assessed. All biomarkers were significantly elevated in 472 pneumonia cases versus 80 controls (p<0.001). IL-8, sFlt-1, and sTREM-1 were associated with in-hospital mortality (p<0.001) and showed the best discrimination with AUROCs of 0.877 (95% CI: 0.782 to 0.972), 0.832 (95% CI: 0.729 to 0.935) and 0.822 (95% CI: 0.735 to 0.908), respectively. Their performance was superior to CRP, PCT, oxygen saturation, and clinical severity scores. IL-8, sFlt-1, and sTREM-1 remained good predictors of 28-day and 90-day mortality. These findings suggest that measuring IL-8, sFlt-1, or sTREM-1 at hospital presentation can guide risk-stratification of children with pneumonia, which could enable prioritized care to improve survival and resource allocation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».