Construction and validation of a meta-analysis-based risk prediction model for nosocomial infections in adult patients undergoing extracorporeal membrane oxygenation
Notice bibliographique
Résumé
Objective To construct a meta-analysis-based risk prediction model for nosocomial infections in adult patients undergoing extracorporeal membrane oxygenation (ECMO), thereby providing an assessment tool to evaluate and reduce the risk of nosocomial infections in this population. Methods Databases were systematically searched from inception to June 20, 2025, for relevant literature on risk factors associated with nosocomial infections in adult ECMO patients. The quality of included studies was evaluated using the Newcastle-Ottawa Scale (NOS). Meta-analysis was performed with Review Manager 5.4, and integrated risk values of identified factors were used to construct a logistic regression prediction model. Patients who underwent ECMO treatment in a tertiary care hospital from January 2023 to August 2024 were enrolled as the model validation cohort. The model performance was assessed using receiver operating characteristic (ROC) curves, Hosmer-Lemeshow test, calibration curves, and decision curve analysis (DCA). Results Twenty-six literatures, involving 3, 872 patients were included, and the overall incidence of nosocomial infections in adult ECMO patients was 34.19%. The logistic regression model was constructed as follows: Logit (P)=ɑ-0.02×age+0.09×BMI+0.08×duration of ECMO support+ 0.27×duration of mechanical ventilation+0.02×duration of central venous catheterization+2.06×SOFA score+ 1.07×CRRT use+1.78×IABP use. The sensitivity and specificity of the model were 80.0% and 68.9%, respectively. The area under the ROC curve (AUC) was 0.777 (95% CI: 0.659-0.894), indicating good discrimination. The Hosmer-Lemeshow test showed satisfactory model calibration (χ2=8.325, P=0.402). Calibration curve analysis revealed a prediction error between the predictive model and the actual observations was 0.013, indicating high accuracy and consistency. DCA demonstrated a positive net benefit, suggesting favorable clinical utility. Conclusion The meta-analysis-based risk prediction model for nosocomial infections in adult ECMO patients demonstrates strong predictive performance. It serves as a useful tool for early identification of patients at high risk for nosocomial infections.
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 | 0,059 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,048 |
| Bibliométrie | 0,012 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».