Early-onset Sepsis Among Preterm Neonates in China, 2015 to 2018
Notice bibliographique
Résumé
BACKGROUND: The epidemiology of early-onset sepsis (EOS) in China is poorly understood because of the paucity of high-quality data. We aimed to examine the epidemiology, pathogen distribution and neonatal outcomes of EOS among a large cohort of preterm infants in China. METHODS: All infants born at <34 weeks of gestation and admitted to 25 tertiary neonatal intensive care units in China from April 2015 to May 2018 were enrolled. EOS was defined as a culture-confirmed infection that occurred within 72 hours after birth. RESULTS: Among 27,532 enrolled infants, 321 (11.7 cases per 1000 admissions) infants developed EOS, and 61 (19.0%) infants died within seven days after EOS onset. The incidence of EOS among inborn infants in 18 perinatal centers was 9.7 cases per 1000 live births <34 weeks' gestation (186/19,084). The case fatality rate was 22.6% (42/186). Gram-negative bacteria were responsible for 61.7% of EOS and 82.0% of EOS-related deaths. Escherichia coli (20.3%) was the leading pathogen, followed by Coagulase-negative staphylococcus (16.5%), Achromobacter xylosoxidans (9.0%) and Klebsiella pneumoniae (8.1%). Group B streptococci infections were relatively rare (2.5%). EOS was an independent risk factor for all-cause mortality and retinopathy of prematurity. CONCLUSIONS: There is a high burden of EOS among preterm infants in China with a distinctive pathogen distribution. Longitudinal epidemiologic monitoring, further investigation of causative pathogens and development of targeted strategies for prevention and treatment of EOS are needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».