Referral of febrile children in resource-constrained community settings in Asia (Spot Sepsis) – a multi-country, prospective, cohort study
Notice bibliographique
Résumé
ABSTRACT In resource-constrained community settings, distinguishing which febrile children require referral is a major unmet need. Current WHO danger signs lack accuracy, resulting in missed severe illness and unnecessary referrals. We developed and validated simple clinical prediction models using data from 3,405 children aged 1-59 months presenting with community-acquired acute febrile illnesses to seven hospitals across Bangladesh, Cambodia, Indonesia, Laos, and Viet Nam. Cambodian data were held-out for external validation. All models outperformed WHO criteria to predict progression to severe febrile illness (death or organ support) within two days (sensitivity=0.56, 95%CI=0.42-0.69; specificity=0.83, 95%CI=0.78-0.87). Incorporating pulse oximetry or the host biomarker sTREM1 further enhanced sensitivity (0.89, 95%CI=0.79-0.97) vs. clinical features alone (0.75, 95%CI=0.62-0.86). The pulse oximetry-based model achieved these gains while improving specificity, concomitantly reducing referral rates three-fold. These approaches appear cost-effective and could transform referral practices for febrile children in resource-constrained community settings. They warrant evaluation in randomised controlled trials.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».