MétaCan
Menu
Retour à la cohorte
Enregistrement W2753718494 · doi:10.1186/s12879-017-2637-9

Epidemiologic and clinical parameters of West Nile virus infections in humans: a scoping review

2017· review· en· W2753718494 sur OpenAlexafffundabout
Man Wah Yeung, Emily Shing, Mark P. Nelder, Beate Sander

Notice bibliographique

RevueBMC Infectious Diseases · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensInstitute for Work & HealthInstitute for Clinical Evaluative SciencesPublic Health OntarioUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineEpidemiologyCase fatality rateObservational studyCINAHLEncephalitisPediatricsPopulationOutbreakMedical microbiologyArbovirusMEDLINEEmergency medicineIntensive care medicineInternal medicineEnvironmental healthVirologyVirusPsychiatryPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical syndromes associated with West Nile virus (WNV) infection range from fever to neuroinvasive disease. Understanding WNV epidemiology and disease history is important for guiding patient care and healthcare decision-making. The objective of this review was to characterize the existing body of peer-reviewed and surveillance literature on WNV syndromes and summarize epidemiologic and clinical parameters. METHODS: We followed scoping review methodology described by the Joanna Briggs Institute. Terms related to WNV epidemiology, hospitalization, and surveillance were searched in four bibliographic databases (MEDLINE, EMBASE, Scopus, and CINAHL) for literature published from January 1999 to December 2015. RESULTS: In total, 2334 non-duplicated titles and abstracts were screened; 92 primary studies were included in the review. Publications included one randomized controlled trial and 91 observational studies. Sample sizes ranged from under 25 patients (n = 19) to over 400 patients (n = 28). Eight studies were from Canada, seven from Israel, and the remaining (n = 77) from the United States. N = 17 studies were classified as outbreak case investigations following epidemics; n = 37 with results of regional/national surveillance and monitoring programs. Mean patient ages were > 40 years old; three studies (3%) focused on the pediatric population. Patients with encephalitis fared worse than patients with meningitis and fever, considering hospitalization, length of stay, discharge, recovery, and case-fatality. Several studies examined risk factors; however, age was the only risk factor for neuroinvasive disease/death consistently identified. Overall, patients with acute flaccid paralysis or encephalitis fared worse than patients with meningitis and West Nile fever in terms of hospitalization and mortality. Among the included studies, proportion hospitalized, length of stay, proportion discharged home and case-fatality ranged considerably. CONCLUSION: Our review highlights the heterogeneity among reporting clinical WNV syndromes and epidemiologic parameters of WNV-related illness. Presently, there is potential for further synthesis of the risk factors of WNV-illness and mortality; undertaking further analysis through a systematic review and meta-analysis may benefit our understanding of risk factors for emerging mosquito-borne diseases. Future research on the burden of WNV can build on existing evidence summarized in this review, not only to support our understanding of endemic WNV, but also to strengthen research on emerging arboviruses with similar clinical manifestations.

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)0,007
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0220,020
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,201
Tête enseignante GPT0,494
Écart entre enseignants0,293 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations56
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetMosquito-borne diseases and controlTravaux en français237 207