PP153 Topic: AS14–Infections: Sepsis and Septic Shock/Antimicrobial Stewardship/Tropical and Parasite Infections/Other: IMPROVED PREDICTION OF POST-DISCHARGE MORTALITY INCORPORATING BOTH THE ADMISSION & DISCHARGE CHARACTERISTICS FOR CHILDREN UNDER 5.
Notice bibliographique
Résumé
Aims & Objectives: In resource-limited settings, children with suspected sepsis face significant post-discharge mortality risk. We have previously developed a risk prediction model to allow health workers to assess the risk of death at admission. The Smart Discharges program in Uganda employs this model for comprehensive care during admission, discharge and the post-discharge period. This study assesses the added prediction value of incorporating discharge variables to identify children at risk of post-discharge mortality. Methods: This study used a dataset from four multisite prospective studies (2012-2021) of 8,179 children with suspected sepsis in Uganda. We employed elastic net regression integrating admission variables and previously unused discharge data. Models were validated by 10-fold cross-validation. Variable importance was calculated to identify the top 10 contributing variables. Missingness was addressed through multiple imputations. Results: The original clinical variable model had an AUROC of 0.77 and 0.75 for the age groups under 6 and 6-60m, respectively. The enhanced model using discharge variables showed a significant improvement in AUROC of 0.82 (95% CI 0.79-0.80) and 0.79 (95% CI 0.75-0.82). Calibration across risk strata was excellent, with Brier scores of 0.06 and 0.04. The discharge variables with the highest importance included discharge status for both age groups, feeding status for those under six months, and oxygen saturation for the 6-60 months age group. Conclusions: Inclusion of discharge variables significantly improved identification of children at high risk of post-discharge mortality. The enhanced model empowers healthcare professionals by providing updated guidance at discharge, improving care efficiency and sensitivity in identifying at-risk children for follow-up. Keywords: Post-discharge Mortality, Resource-limited settings, Improved Prediction, children under 5, discharge characteristics
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,068 | 0,014 |
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 ».