Predicting 30‐day mortality in older patients with suspected infections by adding performance status to quick sequential organ failure assessment
Notice bibliographique
Résumé
Background: Quick Sequential Organ Failure Assessment (qSOFA) is a simple and easy tool for identifying patients with suspected infection, who are at a high risk of poor outcome. However, its predictive performance is still insufficient. The Eastern Cooperative Oncology Group Performance Status (ECOG-PS) score, a tool to evaluate physical function, has been recently reported to be useful in predicting the prognosis of patients with pneumonia. We aimed to evaluate the added value of ECOG-PS to qSOFA in predicting 30-day mortality in older patients admitted with suspected infections. Methods: Between 2018 and 2019, we prospectively collected data from adults aged 65 years or older, admitted with suspected infection at two acute care hospitals. Predictive performance was compared between two logistic regression models: one using qSOFA score alone (qSOFA model) and the other in which ECOG-PS was added to qSOFA (extended model). Results: = 0.008). When the risk groups were categorized as follows: low (<5%), intermediate (5%-10%), and high (≥10%), 5.0% of those who died and 2.1% of those who survived were correctly reclassified by the extended model with an overall categorized net reclassification improvement of 0.03 (95% confidence interval: -0.06 to 0.30). Conclusions: Adding the ECOG-PS score could improve the performance of qSOFA in predicting mortality in older patients admitted with suspected infection.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».