Applicability and predictive validity of the global leadership initiative on malnutrition criteria for older patients with sepsis according to different muscle mass assessment methods
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the applicability of the Global Leadership Initiative on Malnutrition (GLIM) criteria in older patients with sepsis and to compare the predictive validity for 28-day mortality of different muscle mass assessment methods in the emergency department. DESIGN: Prospective cohort study. SETTING: Emergency department. PATIENTS: Older patients (≥65 years) with sepsis. MEASUREMENTS: Muscle mass was assessed using three methods: (1) the skeletal muscle index at the third lumbar vertebra (L3) on computed tomography (CT) scans; (2) calf circumference (CC), and (3) mid-upper-arm circumference (MAC). Cox regression analysis was performed to assess the association between the GLIM criteria and 28-day all-cause mortality. Additionally, the C-statistic, net reclassification improvement (NRI), and integrated discrimination improvement (IDI) were used to evaluate the predictive validity of the three instruments. Survival curves were assessed using the Kaplan-Meier method and compared using the log-rank test. RESULTS: A total of 598 patients with sepsis were included. The prevalence of malnutrition according to GLIM-CT, GLIM-CC, and GLIM-MAC was 53.3%, 63.0%, and 40.8%, respectively. Cox regression analysis revealed that the GLIM criteria were independent risk factors for all-cause 28-day mortality. Incorporation of GLIM-CT, GLIM-CC, or GLIM-MAC into a base model significantly improved the C-statistic. The model including GLIM-CT had the highest C-statistic, improving the C-statistic of the base model from 0.780 (95% confidence interval [CI]: 0.741-0.819) to 0.823 (95% CI: 0.789-0.857). This improvement in risk prediction was also confirmed via category-free NRI and IDI, suggesting that GLIM-CT had the best performance. Kaplan-Meier survival analysis showed that patients with malnutrition defined according to the GLIM criteria had a greater probability of 28-day mortality (log-rank, P < 0.001). CONCLUSION: Malnutrition, defined via any of the three methods, was predictive of 28-day mortality among older patients with sepsis in the emergency department. GLIM-CT had the best predictive validity.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».