Prevalence of Sepsis as Defined by Phoenix Sepsis Definition Among Children With COVID-19
Notice bibliographique
Résumé
INTRODUCTION: A retrospective cohort study on patients aged < 18 years included in the Society of Critical Care Medicine: Viral Infection and Respiratory Illness Universal Study registry from March 2020 to April 2024 with an objective of calculating the prevalence of sepsis as defined by the Phoenix Sepsis Score (PSS) and to validate the PSS with respect to outcomes in children with COVID-19. METHODS: Linear mixed-effects regression was used to examine the relationship between the PSS and hospital length of stay after controlling for confounding factors. The performance of the PSS was assessed using the receiver operating characteristic (ROC) and the precision-recall curve (PRC). Cross-validation was performed using leave-one-out cross-validation. RESULTS: Out of 1731 patients (58 hospitals), 326 (18.8%) met criteria for sepsis and 167 (9.7%) for septic shock. The overall mortality was 1.4% (25/1731), with significant differences between nonseptic (10/1405, 0.7%) and both sepsis (15/326, 4.6%) and septic shock (9/167, 5.4%) groups. After adjusting for confounders, the septic group was associated with a longer hospital length of stay than the nonseptic group. One unit increase in the numeric PSS led to a 70% increase in risk of mortality (odds ratio 1.70; P < .001). The area under the ROC curve was 0.80 and the area under the PRC curve was 0.13. The threshold of ≥ 2 for detection of mortality had a sensitivity of 0.63, specificity of 0.82, and positive predictive value of 0.05. CONCLUSION: Phoenix Sepsis Criteria retain its validity in identifying sepsis in children with COVID-19 and can be used in further epidemiological studies in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».