Risk factors of severe influenza A H1N1: a Meta-analysis
Notice bibliographique
Résumé
Objective To explore the risk factors of severe influenza A H1N1 by the Meta-analysis so as to provide a reference for prevention and control. Methods Literatures on risk factors of severe influenza A H1N1 were retrieved in Chinese Biomedical Medicine, China national knowledge internet (CNKI), Wanfang Database, VIP Database, PubMed and ProQuest from 1st January 2000 to 31st December 2018 by computer. Quality of literatures were evaluated with the Newcastle-Ottawa Scale (NOS) on standard quality evaluation. Heterogeneity test of literatures was analyzed with the RevMan 5.1, and the odds ratio (OR) and 95% confidence interval (CI) was calculated with the Meta-analysis. Results A total of 10 literatures were included. Among those literatures, there were 1 852 cases in case group, 3 049 cases in control group and 8 risk factors. Meta-analysis showed that the risk factors of severe influenza A H1N1 included ages ≤5 years (OR=6.09, 95%CI: 1.77-21.16) , pregnancy (OR=11.80, 95%CI: 6.91-20.16) , chronic underlying disease (OR=3.74, 95%CI: 2.34-5.97) , BMI≥30 kg/m2 (OR=4.48, 95%CI: 2.81-7.12) , time between attack and seeking medical advice≥48 h (OR=1.85, 95%CI: 1.50-2.28) and infected with HIV (OR=1.74, 95%CI: 1.33-2.27) with statistical differences (P<0.001) . Influenza vaccination which was a protective factor had a negative influence on incidence of severe influenza A H1N1 (OR=0.63, 95%CI: 0.49-0.82) . Conclusions Risk factors of severe influenza A H1N1 comprise ages≤5 years, pregnancy, chronic underlying disease, BMI≥30 kg/m2, time between attack and seeking medical advice≥48 h and infected with HIV, and influenza vaccination is a protective factor. Influenza vaccination can effectively reduce the incidence of severe influenza A H1N1 or slow down the disease progression. Evidence on gender as a risk factor of severe influenza A H1N1 is insufficient which needs to be tested by later researches. Key words: Influenza A virus, H1N1 subtype; Risk factors; Meta-analysis
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 | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,063 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».