MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117242612 · doi:10.14740/jocmr6340

Prognostic Value of SIRS, SOFA, qSOFA, and LqSOFA in Emergency Department Sepsis Patients and Correlation of Cytokine Patterns With In-Hospital Mortality

2025· article· en· W7117242612 sur OpenAlexvenueno aff
Christos Davoulos, Evangelos J. Giamarellos-Bourboulis, Panagiotis Koufargyris, C H Gogos, Dimitrios Velissaris

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Patras
Mots-clésSepsisEmergency departmentCorrelationCytokineValue (mathematics)Predictive value

Résumé

récupéré en direct d'OpenAlex

Background: Several prognostic scores and molecular patterns have been developed to predict increased in-hospital mortality in septic patients. This prospective study aimed to evaluate the prognostic value of systemic inflammatory response syndrome (SIRS), Sequential Organ Failure Assessment (SOFA), quick SOFA (qSOFA), lactate quick SOFA (LqSOFA) and cytokine production levels in emergency department sepsis patients to predict in-hospital mortality. Methods: A total of 106 septic patients were enrolled. Baseline SOFA, SIRS, qSOFA and LqSOFA scores were calculated, and plasma levels of interleukin (IL)-6, IL-10, tumor necrosis factor-α (TNF-α) and interleukin-33 receptor (IL-33R) were measured on admission. Results: SOFA, qSOFA, LqSOFA scores were significantly lower in sepsis survivors. IL-33R levels were significantly higher in non-survivors (P = 0.021). The best predictive score for sepsis based on the area under the receiver operating characteristic (ROC) curve was qSOFA (0.764, 95% confidence interval (CI) = 0.663 - 0.866), followed by LqSOFA (0.738, 95% CI = 0.63 - 0.845), SOFA (0.713, 95% CI = 0.604 - 0.822) and SIRS (0.603, 95% CI = 0.478 - 0.729). The addition of IL-33R levels (cut-off values > 55,393 pg/mL) to qSOFA and SOFA significantly increased the diagnostic accuracy of both scores with area under the curve (AUC) of 0.78 (95% CI = 0.695 - 0.85) and 0.740 (95% CI = 0.636 - 0.844), respectively. When evaluating early (within 72 h) in-hospital mortality, both IL-10 and IL-33R were significantly higher in non-survivors (124 pg/mL vs. 41 pg/mL in survivors, 195,610 pg/mL vs. 62,767 pg/mL in survivors, respectively). When added to qSOFA and SOFA scores (cut-off levels 74.5 pg/mL and 55,393 pg/mL for IL-10 and IL-33R, respectively), they significantly increased their diagnostic accuracy. Conclusions: Sepsis prognostic scores were significantly lower in sepsis survivors. IL-10 levels had a significant impact in predicting early (within 72 h) in-hospital mortality and IL-33R levels in predicting both early and total in-hospital mortality, especially when combined with SOFA and qSOFA scores.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,137
Tête enseignante GPT0,507
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine Research→Même sujetSepsis Diagnosis and Treatment→Travaux en français237 207→