Early Diagnosis of CNS Virus Infections from Neurological Autoimmune Diseases: A Cross-Sectional Study from China in ER Setting
Notice bibliographique
Résumé
It is challenging to differentiate between central nervous system (CNS) virus infections and neurological autoimmune diseases in the emergency department. Considering their different pathogenesis, we assume they differ in neuropsychiatric symptoms and laboratory results. A total of 80 patients were included in this study, 50 with CNS virus infections and 30 with CNS autoimmune diseases, confirmed by a polymerase chain reaction (PCR) of cerebrospinal fluid (CSF). A binary logistic regression model and receiver operating characteristic (ROC) curve were employed to examine the discrimination between the two types of diseases based on neuropsychiatric symptoms and laboratory results. Compared to patients with neurological autoimmune diseases, patients with CNS virus infections had a higher incidence of abnormal behavior (p = 0.026) and abnormal sensation/thought (p = 0.029); higher total (p = 0.005), direct (p = 0.004), and indirect bilirubin (p = 0.004); and increased CSF cell (p = 0.01) and CSF white cell counts (p = 0.01). Patients with disturbance of consciousness and abnormal sensation/thought were 7.79-fold and 5.07-fold more likely to be diagnosed with CNS virus infections (OR = 7.79, p = 0.008; OR = 5.07, p = 0.032). Each unit increase in blood indirect bilirubin concentration and CSF white cell counts increased the risk of developing CNS virus infections by 1.25-fold and 1.01-fold (OR = 1.25, p = 0.016; OR = 1.01, p = 0.011). ROC analysis showed that the area under the curve was 88.0% (p < 0.001). Our study found that patients with CNS viral infections tend to have higher blood indirect bilirubin concentration, CSF leukocyte count, frequency of disorders of consciousness, and abnormal sensation and thought, which may help differentiate them from those with neurological autoimmune diseases.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».