Predictors of Mortality in Neonates and Infants Hospitalized With Sepsis or Serious Infections in Developing Countries: A Systematic Review
Notice bibliographique
Résumé
Background: Neonates and infants comprise the majority of the 6 million annual deaths under 5 years of age around the world. Most of these deaths occur in low/middle income countries (LMICs) and are preventable. However, the clinical identification of neonates and infants at imminent risk of death is challenging in developing countries. Objective: To systematically review the literature on clinical risk factors for mortality in infants under 12 months of age hospitalized for sepsis or serious infections in LMICs. Methods: MEDLINE and EMBASE were systematically searched using MeSH terms through April 2017. Abstracts were independently screened by two reviewers. Subsequently, full-text articles were selected by two independent reviewers based on PICOS criteria for inclusion in the final analysis. Study data were qualitatively synthesized without quantitative pooling of data due to heterogeneity in study populations and methodology. Results: A total of 1139 abstracts were screened, and 169 full-text articles were selected for text review. Of these, 45 articles were included in the analysis, with 21 articles featuring neonatal populations (under 28 days of age) exclusively. Most studies were from Sub-Saharan Africa and South Asia. Risk factors for mortality varied significantly according to study populations. For neonatal deaths, prematurity, low birth-weight and young age at presentation were most frequently associated with mortality. For infant deaths, malnutrition, lack of breastfeeding and low oxygen saturation were associated with mortality in the highest number of studies. Conclusions: Risk factors for mortality differ between the neonatal and young infant age groups and were also dependent on the study population. These data can serve as a starting point for the development of individualized predictive models for in-hospital and post-discharge mortality and for the development of interventions to improve outcomes among these high-risk groups.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».