Identifying clinical subtypes in sepsis-survivors with different one-year outcomes: a secondary latent class analysis of the FROG-ICU cohort
Notice bibliographique
Résumé
Abstract Background Late mortality risk in sepsis-survivors persists for years with high readmission rates and low quality of life. The present study seeks to link the clinical sepsis-survivors heterogeneity with distinct biological profiles at ICU discharge and late adverse events using an unsupervised analysis. Methods In the original FROG-ICU prospective, observational, multicenter study, intensive care unit (ICU) patients with sepsis on admission (Sepsis-3) were identified (N = 655). Among them, 467 were discharged alive from the ICU and included in the current study. Latent class analysis was applied to identify distinct sepsis-survivors clinical classes using readily available data at ICU discharge. The primary endpoint was one-year mortality after ICU discharge. Results At ICU discharge, two distinct subtypes were identified (A and B) using 15 readily available clinical and biological variables. Patients assigned to subtype B (48% of the studied population) had more impaired cardiovascular and kidney functions, hematological disorders and inflammation at ICU discharge than subtype A. Sepsis-survivors in subtype B had significantly higher one-year mortality compared to subtype A (respectively, 34% vs 16%, p < 0.001). When adjusted for standard long-term risk factors (e.g., age, comorbidities, severity of illness, renal function and duration of ICU stay), subtype B was independently associated with increased one-year mortality (adjusted hazard ratio (HR) = 1.74 (95% CI 1.16–2.60); p = 0.006). Conclusions A subtype with sustained organ failure and inflammation at ICU discharge can be identified from routine clinical and laboratory data and is independently associated with poor long-term outcome in sepsis-survivors. Trial registration NCT01367093; https://clinicaltrials.gov/ct2/show/NCT01367093 . Graphical Abstract
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».