Risk factors for severe RSV-induced lower respiratory tract infection over four consecutive epidemics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
UNLABELLED: Variability in severity among different respiratory syncytial virus (RSV) seasons may influence hospital admission rates for RSV-induced lower respiratory tract infection (LRTI) in young children. The aim of the present study was to identify through logistic regression analysis, risk factors associated with higher likelihood to acquire RSV-induced LRTI, in children with symptoms severe enough to lead to hospital admission. Over four consecutive RSV seasons (2000-2004), records from children <4 years of age admitted for RSV-induced LRTI ("cases") were compared with those from children with LRTI not due to RSV and not requiring hospitalization ("controls"). 145 "case-patients" and 295 "control-patients" were evaluated. Independent from the severity of the four epidemic seasons, seven predictors for hospitalization for RSV infection were found in the bivariate analysis: number of children in the family, chronological age at the onset of RSV season, birth weight and gestational age, birth order, daycare attendance, previous RSV infections. In the logistic regression analysis, only three predictors were detected: chronological age at the beginning of RSV season [aOR =8.46; 95% CI:3.09-23.18]; birth weight category [aOR =7.70; 95% CI:1.29-45.91]; birth order (aOR =1.92; 95% CI:1.21-3.06). CONCLUSIONS: Independent from the RSV seasonality, specific host/environmental factors can be used to identify children at greatest risk for hospitalization for RSV infection.
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.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle