Notice bibliographique
Résumé
Community-acquired pneumonia (CAP) remains a major cause of illness and death worldwide, particularly among the elderly and individuals with underlying conditions. Streptococcus pneumoniae is the most common bacterial cause of CAP, but viruses such as influenza, RSV, and COVID-19 also play a significant role. Within the European PNEUMO study, we investigated how frequently pneumococcal pneumonia occurs, which S. pneumoniae serotypes are circulating, and what their disease burden is. During the COVID-19 pandemic, the number of bacterial pneumonias initially dropped sharply but later increased again. Serotypes 3, 11A, and 8 were found most frequently, some of which are not yet included in current vaccines. This highlights the need for broader vaccines and ongoing surveillance. A second theme of the thesis focuses on the use of biomarkers to improve pneumonia treatment. The biomarker procalcitonin (PCT) proved valuable in reducing unnecessary antibiotic use among COVID-19 patients without negatively affecting outcomes. However, in patients with influenza or RSV infection, the added value of PCT was less pronounced. Other biomarkers, such as suPAR, showed limited usefulness in predicting disease progression. Finally, we evaluated the applicability of diagnostic decision rules for excluding pulmonary embolism in COVID-19 patients, which showed that existing methods should be applied with caution. These findings contribute to a better understanding of pneumonia, more rational use of antibiotics, and improved strategies for future vaccination and treatment.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».