MétaCan
Menu
Retour à la cohorte
Enregistrement W7065226628

Développement d’outils de prédiction des complications et des récidives de l’infection à Clostridium difficile

2017· dissertation· fr· W7065226628 sur OpenAlexfundno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2017
Typedissertation
Languefr
DomainePhysics and Astronomy
ThématiqueAtomic and Molecular Physics
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésClostridium difficileClostridium InfectionsLung diseaseMedical screeningMotion study
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Résumé : Depuis 2002, une augmentation des taux d’issues défavorables de l’infection à Clostridium difficile (ICD) a été attribuable à l’émergence de la souche NAP1/BI/R027. Il est indispensable d’identifier les facteurs de risque de développer des complications (ICDc) et des récidives (ICDr), et de pouvoir les prédire lors du diagnostic afin d’optimiser le traitement. Le projet de recherche a comme objectifs: i) l’identification des facteurs de risque pour le développement d’ICDc et ICDr et ii) le développement et la validation d’un outil de prédiction à partir de variables mesurées dans les 48h du diagnostic d’une ICD. Méthode: Une cohorte multicentrique prospective de patients adultes hospitalisés pour une ICD. Les données suivantes ont été recueillies: i) démographiques; ii) comorbidités; iii) traitements et procédures reçus dans les 2 mois avant le diagnostic; iv) paramètres cliniques, vi) biochimiques, hématologiques et vii) microbiologiques (ribotypage). Un suivi à 30 et 90 jours a été effectué. Les facteurs de risque ont été identifiés par des modèles multivariés de régression logistique et d'analyse de survie. La méthode de validation croisée a été utilisée pour la dérivation et la validation interne. Différents modèles ont été comparés selon l’aire sous la courbe ROC (ASC), l’erreur de prédiction (EP) et les paramètres de performance. Un score prédictif a été dérivé à partir du modèle optimal. Résultats: Au total, 1380 patients ont été inclus dont 96% suivis 90 jours. Une ICDc a été observée chez 8% et une ICDr chez 26%. La souche R027 représentait 52% des souches caractérisées. Les ICDc sont associées à un âge ≥80 ans, un rythme cardiaque >90/min, un rythme respiratoire >20/min, globules blancs (GB) <4 et ≥20×10[indice supérieur 9]/L, albumine sérique <25 g/L, urée sérique >7 mmol/L, et CRP ≥150 mg/L. Les ICDr sont associés à l'âge ≥ 65 ans, à l’exposition à des macrolides et/ou clindamycine, CRP ≥150 mg/L, R027, et une hospitalisation ≥14 jours suivant l'ICD. Un sous-groupe de 1038 cas complets a été utilisé pour la modélisation prédictive. Le modèle optimal contenait l’âge ≥80 ans, GB ≥12×10[indice supérieur 9]/L, albumine sérique <26 g/L et urée sérique >7 mmol/L, avec une ASC de 0,84 et une EP de 6%. Un score variant entre 0 et 17 points a été construit. En validation, un score >10 points présentait une sensibilité de 50% (IC[indice inférieur 95]% = 28-72), une spécificité de 85% (81-89), une valeur prédictive positive de 17% (7-27) et une valeur prédictive négative de 96% (94-99). Conclusions: En utilisant une large cohorte prospective multicentrique et plusieurs étapes de modélisation prédictive et de validation interne, nous avons identifié les facteurs associés aux ICDc et ICDr et dérivé un score prédictif des ICDc ayant une performance acceptable. Au moment du diagnostic de l’ICD, ces facteurs sont à considérer pour envisager le traitement le plus optimal afin de prévenir ces issues.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,253
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetAtomic and Molecular PhysicsTravaux en français237 207