In the eye of the storm: impact of COVID-19 pandemic on admission patterns to paediatric intensive care units in the UK and Eire
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease-19 (COVID-19) pandemic had a relatively minimal direct impact on critical illness in children compared to adults. However, children and paediatric intensive care units (PICUs) were affected indirectly. We analysed the impact of the pandemic on PICU admission patterns and patient characteristics in the UK and Ireland. METHODS: We performed a retrospective cohort study of all admissions to PICUs in children < 18 years during Jan-Dec 2020, using data collected from 32 PICUs via a central database (PICANet). Admission patterns, case-mix, resource use, and outcomes were compared with the four preceding years (2016-2019) based on the date of admission. RESULTS: There were 16,941 admissions in 2020 compared to an annual average of 20,643 (range 20,340-20,868) from 2016 to 2019. During 2020, there was a reduction in all PICU admissions (18%), unplanned admissions (20%), planned admissions (15%), and bed days (25%). There was a 41% reduction in respiratory admissions, and a 60% reduction in children admitted with bronchiolitis but an 84% increase in admissions for diabetic ketoacidosis during 2020 compared to the previous years. There were 420 admissions (2.4%) with either PIMS-TS or COVID-19 during 2020. Age and sex adjusted prevalence of unplanned PICU admission reduced from 79.7 (2016-2019) to 63.1 per 100,000 in 2020. Median probability of death [1.2 (0.5-3.4) vs. 1.2 (0.5-3.4) %], length of stay [2.3 (1.0-5.5) vs. 2.4 (1.0-5.7) days] and mortality rates [3.4 vs. 3.6%, (risk-adjusted OR 1.00 [0.91-1.11, p = 0.93])] were similar between 2016-2019 and 2020. There were 106 fewer in-PICU deaths in 2020 (n = 605) compared with 2016-2019 (n = 711). CONCLUSIONS: The use of a high-quality international database allowed robust comparisons between admission data prior to and during the COVID-19 pandemic. A significant reduction in prevalence of unplanned admissions, respiratory diseases, and fewer child deaths in PICU observed may be related to the targeted COVID-19 public health interventions during the pandemic. However, analysis of wider and longer-term societal impact of the pandemic and public health interventions on physical and mental health of children is required.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».