Paediatric COVID-19 mortality: a database analysis of the impact of health resource disparity
Notice bibliographique
Résumé
BACKGROUND: The impact of the COVID-19 pandemic on paediatric populations varied between high-income countries (HICs) versus low-income to middle-income countries (LMICs). We sought to investigate differences in paediatric clinical outcomes and identify factors contributing to disparity between countries. METHODS: The International Severe Acute Respiratory and Emerging Infections Consortium (ISARIC) COVID-19 database was queried to include children under 19 years of age admitted to hospital from January 2020 to April 2021 with suspected or confirmed COVID-19 diagnosis. Univariate and multivariable analysis of contributing factors for mortality were assessed by country group (HICs vs LMICs) as defined by the World Bank criteria. RESULTS: A total of 12 860 children (3819 from 21 HICs and 9041 from 15 LMICs) participated in this study. Of these, 8961 were laboratory-confirmed and 3899 suspected COVID-19 cases. About 52% of LMICs children were black, and more than 40% were infants and adolescent. Overall in-hospital mortality rate (95% CI) was 3.3% [=(3.0% to 3.6%), higher in LMICs than HICs (4.0% (3.6% to 4.4%) and 1.7% (1.3% to 2.1%), respectively). There were significant differences between country income groups in intervention profile, with higher use of antibiotics, antivirals, corticosteroids, prone positioning, high flow nasal cannula, non-invasive and invasive mechanical ventilation in HICs. Out of the 439 mechanically ventilated children, mortality occurred in 106 (24.1%) subjects, which was higher in LMICs than HICs (89 (43.6%) vs 17 (7.2%) respectively). Pre-existing infectious comorbidities (tuberculosis and HIV) and some complications (bacterial pneumonia, acute respiratory distress syndrome and myocarditis) were significantly higher in LMICs compared with HICs. On multivariable analysis, LMIC as country income group was associated with increased risk of mortality (adjusted HR 4.73 (3.16 to 7.10)). CONCLUSION: Mortality and morbidities were higher in LMICs than HICs, and it may be attributable to differences in patient demographics, complications and access to supportive and treatment modalities.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».