MétaCan
Menu
Retour à la cohorte
Enregistrement W3153617354 · doi:10.1136/bmjpo-2021-rcpch.212

389 Contemporary trends in global mortality of neonatal sepsis: a systematic review and meta-analysis

2021· review· en· W3153617354 sur OpenAlexaboutno aff
Wen Li Lee, Ming Ying Gan, Bei Jun Yap, Tammie Seethor, Bobby Tan, Shu‐Ling Chong

Notice bibliographique

RevueAbstracts · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueNeonatal and Maternal Infections
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSepsisObservational studyRandomized controlled trialNeonatal sepsisPediatricsMeta-analysisCase fatality rateSystematic reviewCochrane LibraryMEDLINEInternal medicineEpidemiology

Résumé

récupéré en direct d'OpenAlex

Background Sepsis causes death and morbidity in young infants. Globally, an estimated 1.3 – 3.9 million young infants experience sepsis and 400,000 – 700,000 die from sepsis-related conditions annually. Even though there have been significant progress over the past twenty years in reducing young infant mortality, sepsis currently accounts for up to 15% of all young infant deaths. A thorough understanding of young infant sepsis can inform strategies that span prevention, diagnosis and intervention for young infant sepsis. Objectives We aimed to perform a systematic review and meta-analysis to investigate the case fatality rates (CFRs) among young infants less than 90 days with sepsis globally. Methods We used the Preferred Reporting Items for Systematic Reviews and Meta-analysis (PRISMA) 2009 guidelines. We searched PubMed, Cochrane Central, Embase and Web of Science for randomized clinical trials and observational studies in English language, published between 2010 to 2019. Studies involving young infants less than 90 days old with sepsis and reported CFRs were included. We obtained pooled CFRs estimates using the random effects model. Additional stratifications by gestation, birth weight, onset of sepsis (early onset was defined as <72 hours), source of sepsis and gross national income were also performed. Risk of bias was assessed using the Cochrane risk-of-bias tool for randomized controlled trials, and the Newcastle-Ottawa Scale for all observational studies. Results Among 6314 articles screened, 240 studies with a total of 437,796 patients met the inclusion criteria and were included in our analysis. 99 came from high income countries, 44 from upper middle income countries, 82 from lower middle income countries, 6 from low income countries and 9 were conducted in multiple countries. Overall, the pooled CFR was 0.18 (95% CI, 0.17–0.19). The CFR was the highest in low income countries (0.25 [95% CI, 0.07–0.43]), followed by lower middle (0.24 [95% CI, 0.21–0.26]), upper middle (0.21 [95% CI, 0.18–0.24]) and lastly high income countries (0.12 [95% CI, 0.11–0.13]). Other factors associated with higher CFRs included prematurity (0.23 [95% CI, 0.19–0.26] vs term CFR 0.10 [95% CI, 0.08–0.13]), low birth weight (0.21 [95% CI, 0.19–0.24] vs normal birth weight 0.19 [95% CI, 0.18–0.20]), early onset sepsis (0.20 [95% CI, 0.17–0.24] vs combined (0.16 [95% CI, 0.14–0.18]) and hospital acquired infection (0.23 [95% CI, 0.17–0.30] vs community acquired infections 0.21 [95% CI, 0.10–0.33]). Time trend analysis showed higher CFRs in the low income countries than the middle and high income countries. A decreasing trend in CFRs over time was observed in high and upper middle income countries, as compared to an increasing trend in lower middle and low income countries. Conclusions While we saw a declining trend of young infant sepsis CFRs among high and upper middle income countries across the years, the increasing trend amongst lower middle and low income countries highlights a disparity in infant sepsis outcomes based on resource availability. We highlight specific vulnerable patient populations that should be further studied in order to reduce the global burden of young infant sepsis.

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)0,016
score de la tête « metaresearch » (Gemma)0,038
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,038
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,048
Bibliométrie0,0110,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,172
Tête enseignante GPT0,425
Écart entre enseignants0,253 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbstractsMême sujetNeonatal and Maternal InfectionsTravaux en français237 207