MétaCan
Menu
Retour à la cohorte
Enregistrement W2998853022 · doi:10.1016/s0140-6736(19)32989-7

Global, regional, and national sepsis incidence and mortality, 1990–2017: analysis for the Global Burden of Disease Study

2020· article· en· W2998853022 sur OpenAlexafffund
Kristina E. Rudd, Sarah Charlotte Johnson, Kareha M Agesa, Katya Anne Shackelford, Derrick Tsoi, Daniel Kievlan, Danny V. Colombara, Kevin S Ikuta, Niranjan Kissoon, Simon Finfer, Carolin Fleischmann-Struzek, Flávia Ribeiro Machado, Konrad Reinhart, Kathy Rowan, Christopher W. Seymour, R. Scott Watson, T. Eoin West, Simon I Hay, Rafael Lozano, Alan D López, Derek C. Angus, Christopher J L Murray, Mohsen Naghavi

Notice bibliographique

RevueThe Lancet · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institute of General Medical SciencesMedical Research CouncilBC Children's HospitalNational Institutes of HealthChildren's Hospital FoundationWellcome TrustNational Institute of Allergy and Infectious DiseasesNational Health and Medical Research CouncilUniversity of PittsburghBill and Melinda Gates Foundation
Mots-clésIncidence (geometry)Burden of diseaseMedicineSepsisDiseaseIntensive care medicineEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sepsis is life-threatening organ dysfunction due to a dysregulated host response to infection. It is considered a major cause of health loss, but data for the global burden of sepsis are limited. As a syndrome caused by underlying infection, sepsis is not part of standard Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) estimates. Accurate estimates are important to inform and monitor health policy interventions, allocation of resources, and clinical treatment initiatives. We estimated the global, regional, and national incidence of sepsis and mortality from this disorder using data from GBD 2017. METHODS: We used multiple cause-of-death data from 109 million individual death records to calculate mortality related to sepsis among each of the 282 underlying causes of death in GBD 2017. The percentage of sepsis-related deaths by underlying GBD cause in each location worldwide was modelled using mixed-effects linear regression. Sepsis-related mortality for each age group, sex, location, GBD cause, and year (1990-2017) was estimated by applying modelled cause-specific fractions to GBD 2017 cause-of-death estimates. We used data for 8·7 million individual hospital records to calculate in-hospital sepsis-associated case-fatality, stratified by underlying GBD cause. In-hospital sepsis-associated case-fatality was modelled for each location using linear regression, and sepsis incidence was estimated by applying modelled case-fatality to sepsis-related mortality estimates. FINDINGS: In 2017, an estimated 48·9 million (95% uncertainty interval [UI] 38·9-62·9) incident cases of sepsis were recorded worldwide and 11·0 million (10·1-12·0) sepsis-related deaths were reported, representing 19·7% (18·2-21·4) of all global deaths. Age-standardised sepsis incidence fell by 37·0% (95% UI 11·8-54·5) and mortality decreased by 52·8% (47·7-57·5) from 1990 to 2017. Sepsis incidence and mortality varied substantially across regions, with the highest burden in sub-Saharan Africa, Oceania, south Asia, east Asia, and southeast Asia. INTERPRETATION: Despite declining age-standardised incidence and mortality, sepsis remains a major cause of health loss worldwide and has an especially high health-related burden in sub-Saharan Africa. FUNDING: The Bill & Melinda Gates Foundation, the National Institutes of Health, the University of Pittsburgh, the British Columbia Children's Hospital Foundation, the Wellcome Trust, and the Fleming Fund.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,006
Bibliométrie0,0050,012
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,418
Écart entre enseignants0,217 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations7 700
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe LancetMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207