A systematic review of tools for predicting complications in patients with influenza-like illness
Notice bibliographique
Résumé
Objective: To identify tools that predict the risk of complications for patients presenting to an outpatient clinic or an emergency department (ED) with influenza-like illness. Methods: We searched Medline, Embase, Cochrane Library and CINAHL from inception to July 2023. We included articles reporting on the derivation or validation of a score or algorithm used to stratify the risk of hospitalization or mortality among patients with influenza-like illness in the ED or outpatient clinic. Results: Twelve articles reporting on eight scores and six predictive models were identified. For predicting the need for hospitalization, the area under the curve (AUC) of the PMEWS and the CURB-65 ranged respectively from 0.76 to 0.94, and 0.65 to 0.88. The Community Assessment Tool had an AUC of 0.62. For predicting inpatient mortality, AUC was 0.66 for PMEWS and 0.79 for CURB-65, 0.79 for the SIRS criteria and 0.86 for the qSOFA score. Two scores were developed without external validation during the Covid-19 pandemic. The CovHos score and the Canadian Covid discharge score had an AUC ranged from 0.70 to 0.91. The predictive models performed adequately (AUC from 0.76 to 0.92) but will require external validation for clinical use. Tool diversity and study population heterogeneity precluded meta-analysis. Conclusion: Although the CURB, PMEWS and qSOFA scores appear to predict accurately the risk of complications of influenza-like illness, none were reliable enough to justify their widespread ED use. Refinement of an existing tool or development of a new tool to optimize the management of these patients is needed.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 ».