MétaCan
Menu
Back to cohort
Record W2923404139 · doi:10.17169/refubium-19

Vergleich von drei Modellen zur Stratifikation von Sepsispatienten mit dem PIRO-Klassifikationssystem

2018· dissertation· de· W2923404139 on OpenAlexaboutno aff
Stephan Stengel

Bibliographic record

VenueRefubium (Universitätsbibliothek der Freien Universität Berlin) · 2018
Typedissertation
Languagede
FieldMedicine
TopicSepsis Diagnosis and Treatment
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical science

Abstract

fetched live from OpenAlex

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 imitation

Not 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.

metaresearch head score (Codex)0.044
metaresearch head score (Gemma)0.066
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.044
Threshold uncertainty score0.231

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0440.066
Meta-epidemiology (narrow)0.0050.002
Meta-epidemiology (broad)0.0080.021
Bibliometrics0.0030.002
Science and technology studies0.0010.001
Scholarly communication0.0040.003
Open science0.0040.003
Research integrity0.0030.007
Insufficient payload (model declined to judge)0.0110.001

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.

Opus teacher head0.056
GPT teacher head0.299
Teacher spread0.243 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueRefubium (Universitätsbibliothek der Freien Universität Berlin)Same topicSepsis Diagnosis and TreatmentFrench-language works237,207