Social Determinants of Health Associated With the Development of Sepsis in Adults: A Scoping Review
Notice bibliographique
Résumé
Evaluating risk for sepsis is complicated due to limited understanding of how social determinants of health (SDoH) influence the occurence of the disease. This scoping review aims to identify gaps and summarize the existing literature on SDoH and the development of sepsis in adults. DATA SOURCES: A literature search using key terms related to sepsis and SDoH was conducted using Medline and PubMed. STUDY SELECTION: Studies were screened by title and abstract and then full text in duplicate. Articles were eligible for inclusion if they: 1) evaluated at least one SDoH on the development of sepsis, 2) participants were 18 years or older, and 3) the studies were written in English between January 1970 and January 2022. Systematic reviews, meta-analyses, editorials, letters, commentaries, and studies with nonhuman participants were excluded. DATA EXTRACTION: Data were extracted in duplicate using a standardized data extraction form. Studies were grouped into five categories according to the SDoH they evaluated (race, socioeconomic status [SES], old age and frailty, health behaviors, and social support). The study characteristics, key outcomes related to incidence of sepsis, mortality, and summary statements were included in tables. DATA SYNTHESIS: The search identified 637 abstracts, 20 of which were included after full-text screening. Studies evaluating SES, old age, frailty, and gender demonstrated an association between sepsis incidence and the SDoH. Studies that examined race demonstrated conflicting conclusions as to whether Black or White patients were at increased risk of sepsis. Overall, a major limitation of this analysis was the methodological heterogeneity between studies. CONCLUSIONS: There is evidence to suggest that SDoH impacts sepsis incidence, particularly SES, gender, old age, and frailty. Future prospective cohort studies that use standardized methods to collect SDoH data, particularly race-based data, are needed to inform public health efforts to reduce the incidence of sepsis and help clinicians identify the populations most at risk.
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 | 0,014 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».