Read more
Le sepsis sévère est associé à une mortalité élevée et constitue un problème courant aux États-Unis. Récemment, des études ont montré que les efforts visant à réduire les niveaux de cytokines amélioraient la survie. L'objectif de ce travail est de définir des endotypes de sepsis à l'aide de mesures longitudinales des cytokines. Les endotypes de sepsis ont été définis à l'aide de modèles de mélange de classes latentes. Les modèles de mélange de classes latentes ont été modélisés à l'aide d'une transformation logarithmique naturelle des mesures temporelles réelles. Aucune autre covariable n'a été modélisée et une fonction de lien paramétrée utilisant une base de I-splines a été choisie plutôt qu'une transformation linéaire pour augmenter la flexibilité des trajectoires des classes latentes. Le nombre de classes latentes a été déterminé en combinant le BIC le plus bas et la signification clinique. Après avoir créé des modèles pour une variété de sous-ensembles dérivés de la population source, il a été déterminé que la mortalité au sein d'une classe de trajectoire particulière ne dépend pas seulement de la valeur de base de la cytokine, mais aussi du taux de décentration après la valeur de base. Une classe dont les valeurs de cytokines de base sont élevées et qui diminuent rapidement présente des taux de mortalité inférieurs à ceux des classes qui ne diminuent pas rapidement.
About the author
Samantha J. Taylor est biostatisticienne au département de médecine des soins intensifs de l'université de Pittsburgh. Elle est titulaire d'une maîtrise en biostatistique de l'université de Pittsburgh. Taylor est membre de la Delta Omega Honor Society et a reçu le prix Gertrude M. Cox de l'American Statistical Association.
