Derivation and Validation of a Clinical Rule to Detect Bacteremia Versus Contaminants in Positive Pediatric Blood Cultures: A Retrospective Cohort Study
Notice bibliographique
Résumé
STUDY OBJECTIVES: Fifty percent of positive blood cultures in the pediatric emergency department (ED) are contaminants. We derived and validated a clinical decision rule discriminating bacteremia from contaminants among children seen in the ED with a positive blood culture. METHODS: We used 2 cohorts of children with positive blood cultures from a Canadian pediatric ED in 2018 to 2022 (derivation) and 2023 to 2024 (validation). The primary outcome was bacteremia. Potential predictors of bacteremia were derived from a literature review and experts' consensus. We used Classification and Regression Tree models to derive a highly sensitive clinical decision rule. The validity was assessed by measuring the proportion of children with true bacteremia classified at high or moderate risk by the clinical decision rule (sensitivity) and the proportion of contaminants classified at low risk (specificity). The clinical utility was measured by comparing the clinical decision rule to the treating physician's management. RESULTS: A total of 747 children, including 368 cases of bacteremia were included in the derivation (total 574; 285 bacteremia) and validation (total 173; 83 bacteremia) cohorts. The clinical decision rule classifies children into 3 categories (high, moderate, and low risk) based on 4 criteria. It demonstrated a sensitivity of 99% (95% confidence interval [CI] 94 to 100) and a specificity of 60% (95% CI 50 to 70) in the validation cohort. Using the clinical decision rule among the 43 children initially discharged in the validation cohort would decrease the number of hospitalizations from 34 to 21 without missing a true bacteremia. CONCLUSION: We created a very sensitive clinical decision rule to identify bacteremia in children with positive blood culture. Adopting this clinical decision rule could significantly impact health system resources.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».