Vergleich von drei Modellen zur Stratifikation von Sepsispatienten mit dem PIRO-Klassifikationssystem
Bibliographic record
Abstract
Zusammenfassung Das Auftreten einer Sepsis gehört bei kritisch kranken Patienten zu den häufigsten und schwersten Komplikationen. Die Erkrankung ist mit hohen Mortalitätsraten, hohen Kosten und massiven Folgebeeinträchtigungen assoziiert. Die starke Heterogenität von Sepsispopulationen ist ein Problem in der Sepsisforschung. Durch eine verbesserte Einteilung in bestimmte Subgruppen könnten systematische Fehler und Verzerrungen vermieden werden. In Anlehnung an das TNM-System wurde 2002 im Rahmen des Toronto Roundtables das PIRO- Klassifikationssystem – Prädisposition, Infektion, Response und Organdysfunktion – eingeführt. Gegenstand dieser Studie war, die Leistungsfähigkeit zur Vorhersagewahrscheinlichkeit von drei bereits publizierten Konzepten anhand einer eigenen Studienpopulation zu testen. Bei dieser Untersuchung handelte es sich um eine prospektive, nicht-interventionelle, klinische Observationsstudie an der fünf anästhesiologisch geführte Intensivstationen der Charité- Universitätsmedizin Berlin teilnahmen. Eingeschlossen wurden erwachsene Patienten, die im vorgegebenen Zeitraum eine Sepsis entwickelten. Als Referenzkonzepte wurden die publizierten PIRO-Konzeptionen von Moreno et al, Rubulotta et al und Howell et al hinsichtlich ihrer Leistungsfähigkeit an der Studienpopulation verglichen. Von insgesamt 697 erfassten Patienten enwickelten 278 Patienten eine Sepsis. Die Krankenhaussterblichkeit betrug 16,2%. Unter Anwendung der PIRO-Kriterien an der Studienpopulation zeigte sich eine steigende Krankenhaussterblichkeit bei steigender PIRO- Punktzahl. Die berechneten Odds-Ratios waren für das PIRO-Klassifikationssystem von Rubulotta et al 1.282 (95% KI 1.079-1.524), für Howell et al 1.256 (95% KI 1.146-1.367)und für Moreno et al 1.070 (95% KI 1.041-1.100). Die berechneten AUC ́s betrugen für Howell et al 0.751 (95% KI 0.696-0.801), für Moreno et al 0.743 (95% KI 0.687-0.793) und für. Rubulotta et al 0.646 (95% KI 0.587-0.702). Im paarweisen Vergleich zeigten sich signifikante Unterschiede zwischen Moreno und Rubulotta (P=0.046) und Howell und Rubulotta (P=0.035), zu Ungunsten Rubulottas. Alle drei Konzeptionen waren für die Studienpopulation anwendbar. In der Analyse fanden sich leichte Unterschiede. Es war jedoch nicht möglich, einem Klassifikationssystem deswegen den Vorzug zu geben. Allgemein zeigt das PIRO-Klassifikationssystem eine gute Leistungsfähigkeit. Vor allem für die Kategorie Response, aber auch für Prädisposition und Infektion sind zukünftige Entwicklungen notwendig. Die Kategorie Organdysfunktion zeigt bereits jetzt gute Ergebnisse.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.044 | 0.066 |
| Meta-epidemiology (narrow) | 0.005 | 0.002 |
| Meta-epidemiology (broad) | 0.008 | 0.021 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".