Establishment and validation of risk prediction model to predict intravenous immunoglobulin-resistance in Kawasaki disease based on meta-analysis of 15 cohorts
Notice bibliographique
Résumé
Abstract Background Pediatric Kawasaki disease (KD) patients showing resistance to intravenous immunoglobulin (IVIG) are at risk of coronary artery lesions; thus, early prediction of IVIG resistance is particularly important. Herein, we aimed to develop and verify a novel predictive risk model for IVIG resistance in KD based on meta-analyses. Methods PubMed, Embase, and Web of Science databases were searched for cohort studies on the risk factors for IVIG resistance from January 2006 to December 2022. Data were extracted from the screened literature, followed by quality assessment using the Newcastle-Ottawa scale. meta-analyses used Stata 17.0 software to extract the risk factors with significant combined effect sizes and combined risk values, followed by logistic regression prediction model construction. The model was prospective validated using data from 1007 pediatric KD cases attending the Children’s Hospital of Soochow University. The model’s predictive ability was assessed using the Hosmer–Lemeshow test and area under the receiver operating characteristic curve (AUC) and the clinical utility was assessed using decision curve analysis(DCA). Results Fifteen cohort studies reporting 4273 patients with IVIG resistance were included. The incidence of IVIG resistance was 16.2%. Six risk factors were reported ≥ 3 times with significant results for the combined effect size: male sex, rash, cervical lymphadenopathy, % neutrophils ≥ 80%, Age ≤ 12 months and platelet count ≤ 300 × 10 9 /L. The logistic scoring model had 83.8% specificity, 70.4% sensitivity, and an optimal cut-off value of 23.500. Conclusion The risk prediction model for IVIG resistance in KD showed a good predictive performance, and pediatricians should pay high attention to these high-risk patients and develop an appropriate individual regimens to prevent coronary complications.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».