Diagnostic Accuracy of Clinical Sign Algorithms to Identify Sepsis in Young Infants Aged 0 to 59 Days: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
CONTEXT: Accurate identification of possible sepsis in young infants is needed to effectively manage and reduce sepsis-related morbidity and mortality. OBJECTIVE: Synthesize evidence on the diagnostic accuracy of clinical sign algorithms to identify young infants (aged 0-59 days) with suspected sepsis. DATA SOURCES: MEDLINE, Embase, CINAHL, Global Index Medicus, and Cochrane CENTRAL Registry of Trials. STUDY SELECTION: Studies reporting diagnostic accuracy measures of algorithms including infant clinical signs to identify young infants with suspected sepsis. DATA EXTRACTION: We used Cochrane methods for study screening, data extraction, risk of bias assessment, and determining certainty of evidence using Grading of Recommendations Assessment Development and Evaluation. RESULTS: We included 19 studies (12 Integrated Management of Childhood Illness [IMCI] and 7 non-IMCI studies). The current World Health Organization (WHO) 7-sign IMCI algorithm had a sensitivity of 79% (95% CI 77%-82%) and specificity of 77% (95% CI 76%-78%) for identifying sick infants aged 0-59 days requiring hospitalization/antibiotics (1 study, N = 8889). Any IMCI algorithm had a pooled sensitivity of 84% (95% CI 75%-90%) and specificity of 80% (95% CI 64%-90%) for identifying suspected sepsis (11 studies, N = 15523). When restricting the reference standard to laboratory-supported sepsis, any IMCI algorithm had a pooled sensitivity of 86% (95% CI 82%-90%) and lower specificity of 61% (95% CI 49%-72%) (6 studies, N = 14278). LIMITATIONS: Heterogeneity of algorithms and reference standards limited the evidence. CONCLUSIONS: IMCI algorithms had acceptable sensitivity for identifying young infants with suspected sepsis. Specificity was lower using a reference standard of laboratory-supported sepsis diagnosis.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,003 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
| 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 ».