Prediction of inpatient mortality in hospitalised children in low- and middle-income countries: An external validation of paediatric mortality risk scores
Notice bibliographique
Résumé
Background: Risk prediction tools for acutely ill children have been developed in high- and low-income settings, but few are validated or incorporated into clinical guidelines. We aimed to assess the performance of existing paediatric early warning scores for use in low- and middle-income countries using clinical data from a recent large multi-country study in Africa and South-Asia. Methods: We used data (children across three nutritional strata) from the Childhood Acute Illness and Nutrition (CHAIN) Network cohort study (n = 3101). We assessed 10 scores where similar predictor variables were available in the CHAIN cohort. We evaluated performance using the area under the receiver operating curve (AUC) (primary outcome), sensitivity, specificity, positive and negative predictive value, and positive and negative likelihood ratio (secondary outcomes). Results: Most scores showed poor discrimination, and all scores had low sensitivity. The paediatric early death index for Africa (AUC = 0.80; 95% confidence interval (CI) = 0.77-0.83), respiratory index of severity in children (AUC = 0.77; 95% CI = 0.74-0.81), and respiratory index of severity in children in Malawi (AUC = 0.78; 95% CI = 0.75-0.82) showed acceptable/good overall discrimination. Among children without wasting, most scores had acceptable/good performance, some even excellent. Poor discrimination was found for most scores among children with moderate and severe wasting or kwashiorkor. Conclusions: All scores demonstrated lower validation performance than originally reported. Among children without wasting, most risk prediction scores performed acceptably whilst in malnourished children they performed poorly. There is a need for a malnutrition specific score. Further research is needed on specific actions in responding to scores. Integration into future guidelines will require acknowledging staffing, resources and workflows.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».