Contextualizing the use of corticosteroids in severe Pneumocystis jirovecii pneumonia through a Bayesian lens
Notice bibliographique
Résumé
Background A recent multicenter randomized clinical trial (RCT) of steroids for severe Pneumocystis jirovecii pneumonia (PCP) in patients without HIV failed to demonstrate a significant benefit in its primary outcome of mortality at 28 days. We sought to contextualize the findings leveraging the data from HIV trials through a Bayesian meta-analysis. Methods We assumed a moderate prior probability that steroids would reduce mortality in PCP outside of HIV. Using data from the HIV RCTs (489 patients, 6 trials), we contextualized a recent RCT in patients without HIV using Bayesian meta-analysis on the log odds ratio (OR) scale. We chose a vague prior for the efficacy parameter (μ∼N[0,0.2.7 2 ]) and an evidence-based informative prior (log-normal [−1.975,0.67]) for heterogeneity (τ). Results The meta-analytic probability of benefit at 28 days was >99.9% with an odds ratio of 0.51 (95% credible interval 0.32–0.77) and an estimated adjusted risk difference of −11.4%. Conclusions Our results suggest that patients without strong contraindications who have severe PCP should be considered for corticosteroid treatment regardless of HIV status.
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 | 0,111 | 0,273 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| 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 ».