MétaCan
Menu
Retour à la cohorte
Enregistrement W2579926597 · doi:10.1093/ofid/ofw172.876

Paediatric Investigators Collaborative Network on Infections in Canada (PICNIC) Study of the Epidemiology of Bacterial and Fungal Meningitis in Infants Aged <90 Days

2016· article· en· W2579926597 sur OpenAlexaffabout
Lynda Ouchenir, Christian Renaud, Ari Bitnun, Sarah Khan, Michelle Barton, Jason Brophy, Jennifer Bowes, Jane McDonald, André-Anne Boisvert, Ashley Roberts, Joseph Ting, Joan Robinson

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2016
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensMcGill UniversityChildren's Hospital of Eastern OntarioUniversity of OttawaUniversity of British ColumbiaHospital for Sick ChildrenUniversity of AlbertaUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésPicnicMedicineEpidemiologyMeningitisBacterial meningitisPathogenic organismPediatricsIntensive care medicineMicrobiologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Background. Bacterial and fungal meningitis remain a cause of mortality and morbidity in young infants. There is a paucity of information on bacterial meningitis in North America in the era of infant pneumococcal vaccine and intra-partum group B streptococcus (GBS) prophylaxis. Methods. A retrospective chart review for all newborns from 0 to 90 days of age was performed in 8 centers across Canada for the years 2013 and 2014 to describe the etiology and outcome of bacterial and fungal meningitis. Cases were identified through search of ICD-10 codes. Results. A total of 113 cases of bacterial meningitis and one case of Candidal meningitis were identified. Sixty-four were proven cases with bacteria or fungi identified in CSF and 50 were suspected cases, with CSF pleocytosis and bacteria identified at another sterile site. Pathogens were Escherichia coli (E. coli) (37/114 [32.5%]) GBS (35/114 [30.7%]) and other Gram negative and positive bacteria (29/114 [25.4%]). The remaining cases were divided between N. meningitidis (N = 4), Hemophilus influenzae type B (Hib) (N = 3), Listeria (N = 3) and Streptococcus pneumoniae (N = 1). Seventeen cases (14.9%) of early-onset (day 0–6) meningitis, 63 (55.2%) of late-onset (day 7–29) and 34 (29.8%) of very late-onset (day 30–89) were identified. Amongst the early-onset cases GBS was the leading cause (8/17 [47.4%]) cases and E. coli represented 4 cases (23.5%). The candidal meningitis and one case of Hib were amongst the early-onset. In the late onset cases, the leading cause was E. coli (24/63 [38.1%]) followed by other bacteria (19/63[30.2%]) and GBS (16/63 [25.4%]). The remaining late-onset were Listeria (N = 3) and Neisseria meningitidis (N = 1). GBS predominated in the very late-onset category (11/34 [32.4%]) followed by E. coli (9/34 [25.7%]) and other bacteria (8/34 [23.5%]). In the remaining very late-onset cases were N. meningitis (N = 3), Hib (N = 2) and Streptococcus pneumoniae (N = 1). The case fatality rate was 6% (7/114) cases. Thirty-nine patients (34.2%) had seizures after onset of CNS symptoms, 22 (19.3%) patients developed hydrocephalus of which 14 (12.3%) required CSF shunts. Conclusion. GBS and E. coli remain the two leading causes of bacterial meningitis amongst neonates in Canada. The case fatality rate and morbidity remain significant and warrant the need for development of new strategies to prevent both early and late onset GBS meningitis. Disclosures. All authors: No reported disclosures

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)0,004
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 enseignants0,076
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetBacterial Infections and VaccinesTravaux en français237 207