Risk factors for severe respiratory syncytial virus infection during the first year of life: development and validation of a clinical prediction model
Notice bibliographique
Résumé
ABSTRACT Background Novel immunisation methods against respiratory syncytial virus (RSV) are emerging, but knowledge of risk factors for severe RSV disease is insufficient for their optimal targeting. We aimed to identify predictors for RSV hospitalisation, and to develop and validate a clinical prediction model to guide RSV immunoprophylaxis for under 1-year-old infants. Methods In this retrospective cohort study using nationwide registries, we studied all infants born in 1997-2020 in Finland (n = 1 254 913) and in 2006-2020 in Sweden (n = 1 459 472), and their parents and siblings. We screened 1 510 candidate predictors and we created a logistic regression model with 16 predictors and compared its performance to a machine learning model (XGboost) using all 1 510 candidate predictors. Findings In addition to known predictors such as severe congenital heart defects (CHD, adjusted odds ratio (aOR) 2·89, 95% confidence interval 2·28-3·65), we identified novel predictors for RSVH, most notably esophageal malformations (aOR 3·11, 1·86-5·19) and lower complexity CHDs (aOR 1·43, 1·25-1·63). In validation data from 2018-2020, the C-statistic was 0·766 (0·742-0·789) in Finland and 0·737 (0·710-0·762) in Sweden. The clinical prediction model’s performance was similar to the machine learning model (C-statistic in Finland 0·771, 0·754-0·788). Calibration varied according to epidemic intensity. Model performance was similar across different strata of parental income. The infants in the 90th percentile of predicted RSVH probability hospitalisation had 3·3 times higher observed risk than the population’s average. Assuming 60% effectiveness, immunisation in this top 10% of infants at highest risk would have a number needed to treat of 23 in Finland and 40 in Sweden in preventing hospitalisations. Interpretation The identified predictors and the prediction model can be used in guiding RSV immunoprophylaxis in infants. Funding Sigrid Jusélius Foundation, European Research Council, Pediatric Research Foundation (for complete list of funding sources, see Acknowledgements).
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».