Risk factors for serious outcomes associated with influenza illness in high‐ versus low‐ and middle‐income countries: Systematic literature review and meta‐analysis
Notice bibliographique
Résumé
AIM: To determine factors associated with a serious outcome (hospital admission or severe outcome: critical care or death) and associated with illness caused by laboratory-confirmed influenza, with a specific interest in low- and middle-income countries (LMIC). METHOD: Databases were searched on 11 March 2016 for reports of influenza and factors associated with mortality or morbidity in humans, with no language restrictions. Pooled risks were estimated using random-effects models. RESULTS: Despite the heterogeneity of results across studies, known risk factors for serious disease were associated with both hospital admission and severe outcomes (critical care and/or death). In LMIC, but not in high income countries (HIC), pregnant women, people with HIV/AIDS and children < 5 years old (compared with older children) were at increased risk of a severe outcome. Also, although all patients with neurological conditions were at higher risk of severe outcomes than those without, children were at higher risk than adults and children who lived in a LMIC were at significantly higher risk than those living in HIC. Adults were more likely than children to suffer a severe outcome if they had diabetes or a hematologic condition, were obese or had liver disease. Asthma is a risk factor for hospital admission but not for severe outcomes. CONCLUSION: Known risk factors for serious disease remain important predictors of hospital admission and severe outcomes with few differences between HIC and LMIC countries. These differences likely reflect differences in health-seeking behaviours and health services, but high heterogeneity between studies limits conclusions about the effect size.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».