論文の概要: Clinical characteristics, complications and outcomes of critically ill patients with Dengue in Brazil, 2012-2024: a nationwide, multicentre cohort study

• arxiv url: http://arxiv.org/abs/2508.18207v1
• Date: Mon, 25 Aug 2025 17:04:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.877807
• Title: Clinical characteristics, complications and outcomes of critically ill patients with Dengue in Brazil, 2012-2024: a nationwide, multicentre cohort study
• Title（参考訳）: ブラジルにおける重度デング患者の臨床的特徴,合併症と予後 : 2012-2024年全国多施設共同研究
• Authors: Igor Tona Peres, Otavio T. Ranzani, Leonardo S. L. Bastos, Silvio Hamacher, Tom Edinburgh, Esteban Garcia-Gallo, Fernando Augusto Bozza,
• Abstract要約: ブラジルは2024年の世界の感染者の71%を占めており、デング熱の流行は公衆衛生上の大きな問題となっている。 56病院253ICUのデング患者を対象とした前向き調査を行った。 我々は、デングICU人口の変動、ICU滞在中の合併症のリスク要因を特定するためのロジスティック回帰、合併症の進行リスクを予測するための機械学習フレームワークについて記述統計を用いた。
• 参考スコア（独自算出の注目度）: 33.72751145910978
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. Dengue outbreaks are a major public health issue, with Brazil reporting 71% of global cases in 2024. Purpose. This study aims to describe the profile of severe dengue patients admitted to Brazilian Intensive Care units (ICUs) (2012-2024), assess trends over time, describe new onset complications while in ICU and determine the risk factors at admission to develop complications during ICU stay. Methods. We performed a prospective study of dengue patients from 253 ICUs across 56 hospitals. We used descriptive statistics to describe the dengue ICU population, logistic regression to identify risk factors for complications during the ICU stay, and a machine learning framework to predict the risk of evolving to complications. Visualisations were generated using ISARIC VERTEX. Results. Of 11,047 admissions, 1,117 admissions (10.1%) evolved to complications, including non-invasive (437 admissions) and invasive ventilation (166), vasopressor (364), blood transfusion (353) and renal replacement therapy (103). Age>80 (OR: 3.10, 95% CI: 2.02-4.92), chronic kidney disease (OR: 2.94, 2.22-3.89), liver cirrhosis (OR: 3.65, 1.82-7.04), low platelets (<50,000 cells/mm3; OR: OR: 2.25, 1.89-2.68), and high leukocytes (>7,000 cells/mm3; OR: 2.47, 2.02-3.03) were significant risk factors for complications. A machine learning tool for predicting complications was proposed, showing accurate discrimination and calibration. Conclusion. We described a large cohort of dengue patients admitted to ICUs and identified key risk factors for severe dengue complications, such as advanced age, presence of comorbidities, higher level of leukocytes and lower level of platelets. The proposed prediction tool can be used for early identification and targeted interventions to improve outcomes in dengue-endemic regions.
• Abstract（参考訳）: 背景。 ブラジルは2024年の世界の感染者の71%を占めており、デング熱の流行は公衆衛生上の大きな問題となっている。 目的。 本研究は,ブラジル集中治療室(ICU)に入院した重度デング患者(2012-2024)のプロファイルを記述し,時間とともに傾向を評価し,ICU滞在中に新しい発症合併症を記述し,ICU滞在中に合併症を発症するリスク要因を決定することを目的とする。 メソッド。 56病院253ICUのデング患者を対象とした前向き調査を行った。 我々は、デングICU人口の変動、ICU滞在中の合併症のリスク要因を特定するためのロジスティック回帰、合併症の進行リスクを予測するための機械学習フレームワークについて記述統計を用いた。 ISARIC VERTEXを用いて可視化を行った。 結果。 11,047人中1,117人(10.1%)が非侵襲的(437人)、侵襲的換気(166人)、血管圧薬(364人)、輸血(35人)、腎置換療法(103人)などの合併症に進展した。 年齢>80 (OR: 3.10, 95% CI: 2.02-4.92), 慢性腎臓病 (OR: 2.94, 2.22-3.89), 肝硬変 (OR: 3.65, 1.82-7.04), 低血小板(<50,000 cell/mm3; OR: 2.25, 1.89-2.68), 高白血球 (>7,000 cell/mm3; OR: 2.47, 2.02-3.03) は合併症の重大な危険因子であった。 合併症を予測するための機械学習ツールが提案され、正確な識別と校正が可能となった。 結論。 われわれはICUに入院したデング患者の大規模なコホートを報告し,高齢者,共生の有無,白血球数,血小板数などの重度のデング合併症の危険因子を同定した。 提案した予測ツールは,デング・エンドセミック領域の早期同定および標的介入に利用することができる。

関連論文リスト

• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [58.78045864541539]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19 Patients Using Statistical and Machine Learning Methods: An International Cohort Study [0.0]
  新型コロナウイルス患者の肺塞栓症予測ツールの開発は極めて重要である。 本稿では,PEの発生と入場時の死亡を予測する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T14:55:27Z)
• Hospital transfer risk prediction for COVID-19 patients from a medicalized hotel based on Diffusion GraphSAGE [7.021489981474361]
  台湾では、軽度または軽度症状のある新型コロナウイルス患者の隔離施設として医療ホテルが開設された。 これらのホテルで利用可能な医療が限られているため、臨床劣化のリスクがある患者を特定することが最重要である。 本研究は, 医用ホテルにおける進行病院転院リスク予測のためのグラフベース深層学習手法の開発と評価を目的とした。
  論文  参考訳（メタデータ） (2022-12-31T14:59:35Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients [0.0]
  インド第2波が緩和する中、新型コロナウイルス(COVID-19)は全国で約2900万人の患者に感染し、350万人以上の死者を出した。 そこで本研究では,インドにおける入院当日最大のコホートのうちの1つから,非侵襲的非侵襲的非侵襲的血液パラメータモニタリングに基づいて,臨床結果,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-02T23:15:04Z)
• Clinical prediction system of complications among COVID-19 patients: a development and validation retrospective multicentre study [0.3569980414613667]
  2020年4月1日から4月30日までにUAEのアブダビ(AD)で18施設に入院した3,352人の患者から収集したデータを用いた。 最初の24時間に収集されたデータを用いて、機械学習ベースの予後システムは、入院中に7つの合併症を発生させるリスクを予測する。 このシステムは、すべての合併症と両方の領域にわたって良好な精度を達成する。
  論文  参考訳（メタデータ） (2020-11-28T18:16:23Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• Rapid AI Development Cycle for the Coronavirus (COVID-19) Pandemic: Initial Results for Automated Detection & Patient Monitoring using Deep Learning CT Image Analysis [2.2427353485837545]
  本稿では,堅牢な2次元および3次元深層学習モデルを用いて,既存のAIモデルを修正・適応し,臨床的理解と組み合わせるシステムを提案する。 本研究は, 新型コロナウイルス性胸部CT像の検出において, システムの性能を解析するために, 複数の回顧実験を行った。 システム出力は、スライスベースのヒートマップまたは3Dボリュームディスプレイにおいて、小さな不透明度(体積、直径)の定量測定と、より大きな不透明度の可視化を可能にする。
  論文  参考訳（メタデータ） (2020-03-10T23:37:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。