Microbiology and Mortality of Pediatric Febrile Neutropenia in El Salvador
Notice bibliographique
Résumé
BACKGROUND: Febrile neutropenia (FN) and infection-related mortality are major problems for children with cancer in low-income countries. Identifying predictors for adverse outcome of FN in low-income countries permits targeted interventions. We describe the nature and predictors of microbiologically documented infection (MDI) and mortality of FN in children with cancer in El Salvador. METHODS: We examined Salvadoran pediatric oncology patients admitted with FN over a 1-year period. Data were collected prospectively. Demographic, treatment, and admission-related variables were examined as predictors of outcomes. RESULTS: Hundred six FN episodes among 85 patients were included. Twenty-three of 106 episodes (22%) were microbiologically documented; 13 of 106 episodes (12%) resulted in death. Gram-positive and gram-negative organisms were isolated in 14 of 23 and 11 of 23 specimens; polymicrobial infections were common (11 of 23 episodes of MDI). Older age decreased the MDI risk [odds ratio (OR) per year=0.87, 95% confidence interval (CI), 0.75-0.99; P=0.04] while increasing number of days since the last chemotherapy increased the risk (OR=1.03 per day, 95% CI, 1.01-1.04; P=0.002). Pneumonia diagnosed either clinically (OR=6.6, 95% CI, 1.8-30.0; P=0.005) or radiographically (OR=5.5, 95% CI, 1.7-18.1; P=0.005) was the only predictor of mortality. CONCLUSIONS: In El Salvador, polymicrobial infections were common. Pneumonia at admission identified children with FN at high risk of death; these children may benefit from targeted interventions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».