Unsupervised Classification of the Host Response Identifies Dominant Pathobiological Signatures of Sepsis in Sub-Saharan Africa
Notice bibliographique
Résumé
Abstract Rationale The global burden of sepsis is concentrated in sub-Saharan Africa, where inciting pathogens are diverse and HIV coinfection is a major driver of poor outcomes. Biological heterogeneity inherent to sepsis in this setting is poorly defined. Objectives To identify dominant pathobiological signatures of sepsis in sub-Saharan Africa and their relationship to clinical phenotypes, patient outcomes, and biological classifications of sepsis identified in high-income countries (HICs). Methods We analyzed two prospective cohorts of adults hospitalized with sepsis (severe infection with quick Sepsis-related Organ Failure Assessment score ⩾1) at disparate settings in Uganda (discovery cohort [Entebbe, urban], n = 242; validation cohort [Tororo, rural], n = 253). To identify pathobiological signatures in the discovery cohort, we applied unsupervised clustering to 173 soluble proteins reflecting key domains of the host response to severe infection. A random forest-derived classifier was used to predict signature assignment in the validation cohort. Measurements and Main Results Two signatures (Uganda Sepsis Signature [USS]-1 and USS-2) were identified in the discovery cohort, distinguished by expression of proteins involved in myeloid cell and inflammasome activation, T-cell costimulation and exhaustion, and endothelial barrier dysfunction. A five-protein classifier (area under the receiver operating characteristic curve, 0.97) reproduced two signatures in the validation cohort with similar biological profiles. In both cohorts, USS-2 mapped to a more severe clinical phenotype associated with HIV and related immunosuppression, severe tuberculosis, and increased risk of 30-day mortality. Substantial biological overlap was observed between USS-2 and hyperinflammatory and reactive sepsis phenotypes identified in HICs. Conclusions We identified prognostically enriched pathobiological signatures among patients with sepsis with diverse infections and high HIV prevalence in Uganda. Globally inclusive investigations are needed to define generalizable and context-specific mechanisms of sepsis pathobiology, with the goal of improving access to precision medicine treatment strategies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».