MétaCan
Menu
Retour à la cohorte
Enregistrement W2075602784 · doi:10.1136/bmj.f4836

Predictors of severe H1N1 infection in children presenting within Pediatric Emergency Research Networks (PERN): retrospective case-control study

2013· article· en· W2075602784 sur OpenAlexafffund
Stuart R. Dalziel, John Thompson, Charles G. Macias, Ricardo M. Fernandes, David W. Johnson, Yehezkel Waisman, Nan-Sheng Cheng, Jason Acworth, James M. Chamberlain, Martin H. Osmond, A. Plint, Paolo Valerio, Kevin J. Black, E Fitzpatrick, Amanda S. Newton, Nathan Kuppermann, Terry P. Klassen

Notice bibliographique

RevueBMJ · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensChildren's Hospital Research Institute of ManitobaUniversity of AlbertaUniversity of CalgaryChildren's Hospital of Eastern OntarioUniversity of ManitobaIzaak Walton Killam Health CentreUniversity of OttawaAlberta Children's Hospital
Organismes subventionnairesHospital for Sick ChildrenQueen's UniversityIntensive Care SocietyChildren's National HospitalChildren's Healthcare of AtlantaSchool of Medicine, Emory UniversityUniversity of MinnesotaJohns Hopkins UniversityTufts Medical CenterChildren's Hospital ColoradoUniversity of California, DavisUniversità degli Studi di PadovaCincinnati Children's Hospital Medical CenterChildren's Hospital of MichiganTexas Children's HospitalNationwide Children's HospitalVanderbilt University Medical CenterChildren's Hospital of PhiladelphiaU.S. Public Health ServiceBC Children's HospitalUniversité LavalEmory UniversityVanderbilt University
Mots-clésMedicineOdds ratioInterquartile rangeEmergency departmentConfidence intervalPediatricsRetrospective cohort studyLogistic regressionInternal medicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To identify historical and clinical findings at emergency department presentation associated with severe H1N1 outcome in children presenting with influenza-like illness. DESIGN: Multicentre retrospective case-control study. SETTING: 79 emergency departments of hospitals associated with the Pediatric Emergency Research Networks in 12 countries. PARTICIPANTS: 265 children (<16 years), presenting between 16 April and 31 December 2009, who fulfilled Centers for Disease Control and Prevention criteria for influenza-like illness and developed severe outcomes from laboratory confirmed H1N1 infection. For each case, two controls presenting with influenza-like illness but without severe outcomes were included: one random control and one age matched control. MAIN OUTCOME MEASURES: Severe outcomes included death or admission to intensive care for assisted ventilation, inotropic support, or both. Multivariable conditional logistic regression was used to compare cases and controls, with effect sizes measured as adjusted odds ratios. RESULTS: 151 (57%) of the 265 cases were male, the median age was 6 (interquartile range 2.3-10.0) years, and 27 (10%) died. Six factors were associated with severe outcomes in children presenting with influenza-like illness: history of chronic lung disease (odds ratio 10.3, 95% confidence interval 1.5 to 69.8), history of cerebral palsy/developmental delay (10.2, 2.0 to 51.4), signs of chest retractions (9.6, 3.2 to 29.0), signs of dehydration (8.8, 1.6 to 49.3), requirement for oxygen (5.8, 2.0 to 16.2), and tachycardia relative to age). CONCLUSION: These independent risk factors may alert clinicians to children at risk of severe outcomes when presenting with influenza-like illness during future pandemics.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,384
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetRespiratory viral infections researchTravaux en français237 207