Impact of neuraminidase inhibitors on influenza A(H1N1)pdm09‐related pneumonia: an individual participant data meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: The impact of neuraminidase inhibitors (NAIs) on influenza-related pneumonia (IRP) is not established. Our objective was to investigate the association between NAI treatment and IRP incidence and outcomes in patients hospitalised with A(H1N1)pdm09 virus infection. METHODS: A worldwide meta-analysis of individual participant data from 20 634 hospitalised patients with laboratory-confirmed A(H1N1)pdm09 (n = 20 021) or clinically diagnosed (n = 613) 'pandemic influenza'. The primary outcome was radiologically confirmed IRP. Odds ratios (OR) were estimated using generalised linear mixed modelling, adjusting for NAI treatment propensity, antibiotics and corticosteroids. RESULTS: Of 20 634 included participants, 5978 (29·0%) had IRP; conversely, 3349 (16·2%) had confirmed the absence of radiographic pneumonia (the comparator). Early NAI treatment (within 2 days of symptom onset) versus no NAI was not significantly associated with IRP [adj. OR 0·83 (95% CI 0·64-1·06; P = 0·136)]. Among the 5978 patients with IRP, early NAI treatment versus none did not impact on mortality [adj. OR = 0·72 (0·44-1·17; P = 0·180)] or likelihood of requiring ventilatory support [adj. OR = 1·17 (0·71-1·92; P = 0·537)], but early treatment versus later significantly reduced mortality [adj. OR = 0·70 (0·55-0·88; P = 0·003)] and likelihood of requiring ventilatory support [adj. OR = 0·68 (0·54-0·85; P = 0·001)]. CONCLUSIONS: Early NAI treatment of patients hospitalised with A(H1N1)pdm09 virus infection versus no treatment did not reduce the likelihood of IRP. However, in patients who developed IRP, early NAI treatment versus later reduced the likelihood of mortality and needing ventilatory support.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».