Trends in Prevalence of Bacterial Infections in Febrile Infants During the COVID-19 Pandemic
Notice bibliographique
Résumé
OBJECTIVES: Our objective was to describe the prevalence of urinary tract infection (UTI) and invasive bacterial infection (IBI) in febrile infants during the coronavirus disease 2019 pandemic. METHODS: We conducted a multicenter cross-sectional study that included 97 hospitals in the United States and Canada. We included full-term, well-appearing infants 8 to 60 days old with a temperature of ≥38°C and an emergency department visit or hospitalization at a participating site between November 1, 2020 and March 31, 2022. We used logistic regression to determine trends in the odds of an infant having UTI and IBI by study month and to determine the association of COVID-19 prevalence with the odds of an infant having UTI and IBI. RESULTS: We included 9112 infants; 603 (6.6%) had UTI, 163 (1.8%) had bacteremia without meningitis, and 43 (0.5%) had bacterial meningitis. UTI prevalence decreased from 11.2% in November 2020 to 3.0% in January 2022. IBI prevalence was highest in February 2021 (6.1%) and decreased to 0.4% in January 2022. There was a significant downward monthly trend for odds of UTI (odds ratio [OR] 0.93; 95% confidence interval [CI]: 0.91-0.94) and IBI (OR 0.90; 95% CI: 0.87-0.93). For every 5% increase in COVID-19 prevalence in the month of presentation, the odds of an infant having UTI (OR 0.97; 95% CI: 0.96-0.98) or bacteremia without meningitis decreased (OR 0.94; 95% CI: 0.88-0.99). CONCLUSIONS: The prevalence of UTI and IBI in eligible febrile infants decreased to previously published, prepandemic levels by early 2022. Higher monthly COVID-19 prevalence was associated with lower odds of UTI and bacteremia.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».