47 Can we accurately predict severe acute pancreatitis in children? A retrospective real-life cohort of hospitalized patients
Notice bibliographique
Résumé
Abstract Background Severe acute pancreatitis (SAP) affects nearly a quarter of paediatric patients with acute pancreatitis (AP). However, previous studies suggested that severity scores used in adults have low sensitivity for predicting paediatric SAP. Uncertainty remains regarding the factors associated with SAP in children. Objectives The primary aim was to validate SAP predictive scores in a Canadian paediatric population and identify associated predictive factors. Design/Methods A retrospective observational cohort study was conducted in a tertiary hospital in Montreal, Canada (January 2014-December 2021). SAP was defined by intensive care unit (ICU) admission and/or complications including but not limited to fluid collection, necrosis, and pseudocyst. Firstly, multivariate logistic regression analyses were performed to evaluate the relationship between clinical and laboratory factors and the outcome (SAP). A predictive model was also developed based on age, co-existence of chronic disease (e.g., neoplasia, obesity), C-reactive protein (CRP) levels within 48 hours of admission, baseline urea levels, and sex. Secondly, receiver operator characteristic (ROC) curves were plotted for various published scores (Balthazar (n=55), DeBanto (n=118), Glasgow modified (n=38), Ranson (n=20)) and our model (n=122). Results Among 208 patients (51.0% male, median (interquartile range (IQR)) age [12.5 (7.1;15.3) years]), 76 (36.5%) developed SAP. Of these, 14 (6.7%) were admitted to the ICU, and 68 (32.7%) developed complications. The median (IQR) hospital duration was 5.0 (2.5;11.0) days. The ROC for Balthazar, DeBanto, Glasgow modified, Ranson, and our model showed an area under the curve of 0.63, 0.58, 0.59, 0.58, and 0.80, respectively. Balthazar demonstrated the highest specificity (100%). Ranson showed the highest sensitivity (50%). Our model demonstrated a specificity of 82% and a sensitivity of 56%. Each unit increase in CRP within 48 hours of admission and each unit increase in urea at admission were associated with a higher risk of SAP (OR CRP=1.02, 95% CI: 1.01-1.03; OR urea=1.32, 95% CI: 1.08-1.61) whereas each unit increase in lipase within 48 hours of admission (minimum 3.0 U/L; maximum 5745.0 U/L) were not predictive of SAP. Conclusion Existing scores display low predictive value for SAP. Our new model, which includes age, CRP and urea levels, sex, and the presence of co-existing conditions, demonstrates good predictive value for paediatric SAP and warrants external validation in larger paediatric cohorts.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».