MétaCan
Menu
Retour à la cohorte
Enregistrement W2957874743 · doi:10.1093/infdis/jiz152

Neuraminidase Inhibitors and Hospital Length of Stay: A Meta-analysis of Individual Participant Data to Determine Treatment Effectiveness Among Patients Hospitalized With Nonfatal 2009 Pandemic Influenza A(H1N1) Virus Infection

2019· review· en· W2957874743 sur OpenAlexaff
Sudhir Venkatesan, Puja Myles, Kirsty J. Bolton, Stella G. Muthuri, Tarig Al Khuwaitir, Ashish Anovadiya, Eduardo Azziz‐Baumgartner, Tahar Bajjou, Matteo Bassetti, Bojana Beovič, Barbara Bertisch, Isabelle Bonmarin, Robert Booy, Víctor Hugo Borja‐Aburto, Heinz Burgmann, Bin Cao, Jordi Carratalà, Tserendorj Chinbayar, Catia Cillóniz, Justin T. Denholm, Samuel R. Dominguez, Péricles Almeida Delfino Duarte, Gal Dubnov‐Raz, Sergio Fanella, Zhancheng Gao, Patrick Gérardin, Maddalena Giannella, Sophie Gubbels, Jethro Herberg, Anjarath Lorena Higuera Iglesias, Peter H. Hoeger, Quazi Tarikul Islam, Mirela Foresti Jiménez, Gerben Keijzers, Hossein Khalili, Gabriela Kusznierz, Ilija Kuzman, Eduard Langenegger, Kamran Bagheri Lankarani, Yee‐Sin Leo, Romina Libster, Rita Linko, Faris Madanat, Efstratios Maltezos, Abdullah Al Mamun, Toshie Manabe, Gökhan Metan, Auksė Mickienė, Dragan Mikić, Kristin G. I. Mohn, Maria E. Oliva, Mehpare Özkan, Dhruv Parekh, Mical Paul, Barbara A. Rath, Samir Refaey, Alejandro Rodríguez, Bünyamin Sertoğullarından, Joanna Skręt‐Magierło, Ayper Somer, Ewa Talarek, Julian W. Tang, Kelvin Kai‐Wang To, Dat Tran, Timothy M. Uyeki, Wendy Vaudry, Tjasa Vidmar, Paul Zarogoulidis, Nisreen Amayiri, Md Robed Amin, Clarissa Baez, Carlos Bantar, Bao Jing, Mazen Mahmoud Barhoush, Ariful Basher, Julie A. Bettinger, Emilio Bouza, İlkay Bozkurt, Elvira Čeljuska-Tošev, Yu-Sheng Chen, Rebecca Jane Cox, María R. Cuezzo, Wei Cui, Simin Dashti‐Khavidaki, Bin Du, Hicham El Rhaffouli, Hernan Escobar, Agnieszka Florek-Michalska, John Gerrard, Stuart Gormley, Sandra Götberg, Matthias Hoffmann, Behnam Honarvar, Edgar Bautista, Amr Kandeel, Jianmin Hu, Christoph Kemen, Gulam Khandaker, Marian Knight, Evelyn Siew-Chuan Koay, Miroslav Kojić, Koichiro Kudo, Arthur Ming‐Chit Kwan, Idriss Lahlou Amine, Win Mar Kyaw, Leonard Leibovici, Hongru Li, Xiaoli Li, Pei Liu, Tze Ping Loh, Deborough Macbeth, Fabiane Pinto Mastalir, Allison McGeer, Mohsen Moghadami, Lilian Moriconi, Pagbajabyn Nymadawa, Bülent Özbay, Fernando P. Polack, Philippe Guillaume Poliquin, Wolfgang Pöppl, Alberto Rascon Pacheco, Blaž Pečavar, Mahmudur Rahman, Elena Beatriz Sarrouf, Brunhilde Schweiger, Fang Gao Smith, Antoní Torres, Selda Hançerlı Törün, C. B. Tripathi, Daiva Vėlyvytė, Diego Viasus, Qin Yu, Kwok‐Yung Yuen, Wei Zhang, Wei Zuo, Jonathan S. Nguyen‐Van‐Tam

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensStollery Children's HospitalUniversity of AlbertaBC Centre for Disease ControlUniversity of Manitoba
Organismes subventionnairesF. Hoffmann-La Roche
Mots-clésNeuraminidasePandemicNeuraminidase inhibitorMedicineMeta-analysisVirologyVirusInfluenza A virusOseltamivirZanamivirH1n1 pandemicIntensive care medicineEmergency medicineCoronavirus disease 2019 (COVID-19)Internal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The effect of neuraminidase inhibitor (NAI) treatment on length of stay (LoS) in patients hospitalized with influenza is unclear. METHODS: We conducted a one-stage individual participant data (IPD) meta-analysis exploring the association between NAI treatment and LoS in patients hospitalized with 2009 influenza A(H1N1) virus (A[H1N1]pdm09) infection. Using mixed-effects negative binomial regression and adjusting for the propensity to receive NAI, antibiotic, and corticosteroid treatment, we calculated incidence rate ratios (IRRs) and 95% confidence intervals (CIs). Patients with a LoS of <1 day and those who died while hospitalized were excluded. RESULTS: We analyzed data on 18 309 patients from 70 clinical centers. After adjustment, NAI treatment initiated at hospitalization was associated with a 19% reduction in the LoS among patients with clinically suspected or laboratory-confirmed influenza A(H1N1)pdm09 infection (IRR, 0.81; 95% CI, .78-.85), compared with later or no initiation of NAI treatment. Similar statistically significant associations were seen in all clinical subgroups. NAI treatment (at any time), compared with no NAI treatment, and NAI treatment initiated <2 days after symptom onset, compared with later or no initiation of NAI treatment, showed mixed patterns of association with the LoS. CONCLUSIONS: When patients hospitalized with influenza are treated with NAIs, treatment initiated on admission, regardless of time since symptom onset, is associated with a reduced LoS, compared with later or no initiation of treatment.

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)0,018
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,029
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0140,054
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,251
Tête enseignante GPT0,427
Écart entre enseignants0,176 · 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'étudeMéta-analyse
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

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207