Identifying patients at high risk for antibiotic treatment following hospital admission: a predictive score to improve antimicrobial stewardship measures
Notice bibliographique
Résumé
PURPOSE: Identifying patients for clinical studies evaluating strategies to reduce unnecessary antibiotic usage in hospitals is challenging. This study aimed to develop a predictive score to identify newly hospitalized patients with high likelihood of receiving antibiotics, thus improving patient inclusion in future studies focusing on antimicrobial stewardship (AMS) programs. METHODS: This retrospective analysis used data from the PILGRIM study (NCT03765528), which included 1,600 patients across ten international sites. Predictive variables for antibiotic treatment during hospitalization were computed, and an additive score model was developed using logistic regression and 10-fold cross-validation. The PILGRIM score was validated in an independent cohort (validation cohort), with performance metrics assessed. RESULTS: Data from 1,258 patients was included. In the development cohort 52.8% (n = 445) and in the validation cohort 42.4% (n = 134) of patients received antibiotics. Key predictors included hematologic malignancies, immunosuppressive medication, and past hospitalization. The logistic regression model demonstrated an area under the curve of 0.74 in the validation. The final additive score incorporated these predictors plus "planned elective surgery" achieving a specificity of 92%, a positive predictive value of 78%, a sensitivity of 41%, and a negative predictive value (NPV) of 69%in validation set. CONCLUSION: The PILGRIM score effectively identifies newly hospitalized patients likely to receive antibiotics, demonstrating high specificity and PPV. Its application can improve future AMS programs and trial recruitment by facilitating targeted inclusion of patients, especially in the hematological and oncological setting. Further -external and prospective- validation is needed to broaden the model's applicability.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 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) | 0,002 | 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 ».