MétaCan
Menu
Retour à la cohorte
Enregistrement W3194512587 · doi:10.1001/jamanetworkopen.2021.20736

Congenital Cytomegalovirus Infection Burden and Epidemiologic Risk Factors in Countries With Universal Screening

2021· review· en· W3194512587 sur OpenAlexaboutno aff
Paddy Ssentongo, Christine Hehnly, Patricia Birungi, Mikayla A. Roach, Jada Spady, Claudio Fronterrè, Ming Wang, Laura E. Murray‐Kolb, Laila Al‐Shaar, Vernon M. Chinchilli, James R. Broach, Jessica E. Ericson, Steven J. Schiff

Notice bibliographique

RevueJAMA Network Open · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCytomegalovirus and herpesvirus research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious Diseases
Mots-clésMedicineMeta-analysisPopulationPediatricsSeroprevalenceMEDLINECytomegalovirusCohort studyPrevalenceEnvironmental healthHuman immunodeficiency virus (HIV)Internal medicineImmunologyViral diseaseSerology

Résumé

récupéré en direct d'OpenAlex

Importance: Congenital cytomegalovirus (cCMV) infection is the most common congenital infection and the leading acquired cause of developmental disabilities and sensorineural deafness, yet a reliable assessment of the infection burden is lacking. Objectives: To estimate the birth prevalence of cCMV in low- and middle-income countries (LMICs) and high-income countries (HICs), characterize the rate by screening methods, and delineate associated risk factors of the infection. Data Sources: MEDLINE/PubMed, Scopus, and Cochrane Database of Systematic Reviews databases were searched from January 1, 1960, to March 1, 2021, and a total of 1322 studies were identified. Study Selection: Studies that provided data on the prevalence of cCMV derived from universal screening of infants younger than 3 weeks were included. Targeted screening studies were excluded. Data Extraction and Synthesis: Preferred Reporting Items for Systematic Reviews and Meta-analyses guideline was followed. Extraction was performed independently by 3 reviewers. Quality was assessed using the Newcastle-Ottawa Scale for cohort studies. Random-effects meta-analysis was undertaken. Metaregression was conducted to evaluate the association of sociodemographic characteristics, maternal seroprevalence, population-level HIV prevalence, and screening methods with the prevalence of cCMV. Main Outcomes and Measures: Birth prevalence of cCMV ascertained through universal screening of infants younger than 3 weeks for CMV from urine, saliva, or blood samples. Results: Seventy-seven studies comprising 515 646 infants met the inclusion criteria from countries representative of each World Bank income level. The estimated pooled overall prevalence of cCMV was 0.67% (95% CI, 0.54%-0.83%). The pooled birth prevalence of cCMV was 3-fold greater in LMICs (1.42%; 95% CI, 0.97%-2.08%; n = 23 studies) than in HICs (0.48%; 95% CI, 0.40%-0.59%, n = 54 studies). Screening methods with blood samples demonstrated lower rates of cCMV than urine or saliva samples (odds ratio [OR], 0.38; 95% CI, 0.23-0.66). Higher maternal CMV seroprevalence (OR, 1.19; 95% CI, 1.11-1.28), higher population-level HIV prevalence (OR, 1.22; 95% CI, 1.05-1.40), lower socioeconomic status (OR, 3.03; 95% CI, 2.05-4.47), and younger mean maternal age (OR, 0.85; 95% CI, 0.78-0.92, older age was associated with lower rates) were associated with higher rates of cCMV. Conclusions and Relevance: In this meta-analysis, LMICs appeared to incur the most significant infection burden. Lower rates of cCMV were reported by studies using only blood or serum as a screening method.

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)0,013
score de la tête « metaresearch » (Gemma)0,050
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: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,050
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,009
Bibliométrie0,0080,011
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,082
Tête enseignante GPT0,371
Écart entre enseignants0,289 · 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

Citations243
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetCytomegalovirus and herpesvirus researchTravaux en français237 207