MétaCan
Menu
Retour à la cohorte
Enregistrement W3126424866 · doi:10.1093/ofid/ofab065

Bacterial Superinfections Among Persons With Coronavirus Disease 2019: A Comprehensive Review of Data From Postmortem Studies

2021· review· en· W3126424866 sur OpenAlexaff
Cornelius J. Clancy, Ilan S. Schwartz, Brittany Kula, M. Hong Nguyen

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineSuperinfectionPneumoniaAcinetobacter baumanniiBacterial pneumoniaStaphylococcus aureusEmpyemaInternal medicineDiffuse alveolar damagePathologyPseudomonas aeruginosaLungMicrobiologyImmunologyVirusBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Limited clinical data suggest a ~16% prevalence of bacterial superinfections among critically ill patients with coronavirus disease 2019 (COVID-19). Methods We reviewed postmortem studies of patients with COVID-19 published in English through September 26, 2020, for histopathologic findings consistent with bacterial lung infections. Results Worldwide, 621 patients from 75 studies were included. The quality of data was uneven, likely because identifying superinfections was not a major objective in 96% (72/75) of studies. Histopathology consistent with a potential lung superinfection was reported in 32% (200/621) of patients (22–96 years old; 66% men). Types of infections were pneumonia (95%), abscesses or empyema (3.5%), and septic emboli (1.5%). Seventy-three percent of pneumonias were focal rather than diffuse. The predominant histopathologic findings were intra-alveolar neutrophilic infiltrations that were distinct from those typical of COVID-19-associated diffuse alveolar damage. In studies with available data, 79% of patients received antimicrobial treatment; the most common agents were beta-lactam/beta-lactamase inhibitors (48%), macrolides (16%), cephalosoprins (12%), and carbapenems (6%). Superinfections were proven by direct visualization or recovery of bacteria in 25.5% (51/200) of potential cases and 8% of all patients in postmortem studies. In rank order, pathogens included Acinetobacter baumannii, Staphylococcus aureus, Pseudomonas aeruginosa, and Klebsiella pneumoniae. Lung superinfections were the cause of death in 16% of potential cases and 3% of all patients with COVID-19. Conclusions Potential bacterial lung superinfections were evident at postmortem examination in 32% of persons who died with COVID-19 (proven, 8%; possible, 24%), but they were uncommonly the cause of death.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0200,012
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,234
Tête enseignante GPT0,520
Écart entre enseignants0,286 · 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'étudeRevue systématique
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

Citations86
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207