A systematic review and meta-analysis of the aetiological agents of non-malarial febrile illnesses in Africa
Notice bibliographique
Résumé
BACKGROUND: The awareness of non-malarial febrile illnesses (NMFIs) has been on the rise over the last decades. Therefore, we undertook a systematic literature review and meta-analysis of causative agents of non-malarial fevers on the African continent. METHODOLOGY: We searched for literature in African Journals Online, EMBASE, PubMed, Scopus, and Web of Science databases to identify aetiologic agents that had been reported and to determine summary estimates of the proportional morbidity rates (PMr) associated with these pathogens among fever patients. FINDINGS: A total of 133 studies comprising 391,835 patients from 25 of the 54 African countries were eligible. A wide array of aetiologic agents were described with considerable regional differences among the leading agents. Overall, bacterial pathogens tested from blood samples accounted for the largest proportion. The summary estimates from the meta-analysis were low for most of the agents. This may have resulted from a true low prevalence of the agents, the failure to test for many agents or the low sensitivity of the diagnostic methods applied. Our meta-regression analysis of study and population variables showed that diagnostic methods determined the PMr estimates of typhoidal Salmonella and Dengue virus. An increase in the PMr of Klebsiella spp. infections was observed over time. Furthermore, the status of patients as either inpatient or outpatient predicted the PMr of Haemophilus spp. infections. CONCLUSION: The small number of epidemiological studies and the variety of NMFI agents on the African continent emphasizes the need for harmonized studies with larger sample sizes. In particular, diagnostic procedures for NMFIs should be standardized to facilitate comparability of study results and to improve future meta-analyses. Reliable NMFI burden estimates will inform regional public health strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,033 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».