Neonatal Sepsis, Antibiotic Susceptibility Pattern, and Treatment Outcomes among Neonates Treated in Two Tertiary Care Hospitals of Yangon, Myanmar from 2017 to 2019
Notice bibliographique
Résumé
Neonatal sepsis is a leading cause of morbidity and mortality in developing countries. This study aimed to assess the proportion of culture-confirmed sepsis, bacteriological pathogen profile, culture report turnaround times, antibiotic susceptibility patterns, and treatment outcomes of all with neonatal sepsis admitted in two tertiary care hospitals in Yangon, Myanmar, 2017–2019. This was a cross sectional study utilizing a standardized electronic database and paper-based records. Bacteriological profiles and associated factors were analyzed with descriptive statistics and Poisson Regression. Of those with suspected sepsis, 42% were bacteriologically confirmed and 74% of confirmed sepsis was resistant to at least first-line antibiotics. Neonates with late onset sepsis (LOS) (aPR: 1.2 (95% CI: 1.1–1.4, p = 0.008)) were more likely to have bacteriologically confirmed sepsis (45%) versus early onset sepsis (38%). Gram-negative organisms were most commonly isolated (63%), associated with multidrug-resistant organisms and with a high case-fatality rate (64%). These findings suggest that enhanced national guidance regarding infection control and prevention, antibiotic stewardship, and first-line antibiotic choices need to be provided. The link between LOS with infection and prevention protocols needs to be further explored in this context to decrease sepsis risk, neonatal mortality, and reduce further antimicrobial resistance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».