Condiciones socioeconómicas más bajas se asocian con tasas de sepsis infantil más altas pero con resultados similares
Notice bibliographique
Résumé
Sepsis is an important cause of pediatric morbidity and mortality, especially in low-income countries. Data on regional prevalence, mortality trends, and their relationship with socioeconomic variables are scarce. OBJECTIVE: to determine the regional prevalence, mortality, and sociodemographic situation of patients diagnosed with severe sepsis (SS) and septic shock (SSh) admitted to Pediatric Intensive Care Units (PICUs). PATIENTS AND METHOD: patients aged 1 to 216 months admitted to 47 participating PICUs with a diagnosis of SS or SSh between January 1, 2010, and December 31, 2018, were included. Secondary analysis was performed on the Argentine Society of Intensive Care Benchmarking Quality Program (SATI-Q) database for SS and SSh and a review of the annual reports of the Argentine Ministry of Health and the National Institute of Statistics and Census for the sociodemographic indices of the respective years. RESULTS: 45,480 admissions were recorded in 47 PICUs, 3,777 of them with a diagnosis of SS and SSh. The combined prevalence of SS and SSh decreased from 9.9% in 2010 to 6.6% in 2018. The combined mortality decreased from 34.5% to 23.5%. Multivariate analysis showed that the Odds ratio (OR) of the association between SS and SSh mortality was 1.88 (95% CI: 1.46-2.32) and 2.4 (95% CI: 2.16-2.66), respectively, adjusted for malignant disease, PIM2, and mechanical ventilation. The prevalence of SS and SSh in different health regions (HR) was associated with the percentage of poverty and infant mortality rate (p < 0.001). However, there was no association between sepsis mortality and HR adjusted for PIM2. CONCLUSIONS: Prevalence and mortality of SS and SSh have decreased over time in the participating PICUs. Lower socioeconomic conditions were associated with higher prevalence but similar sepsis outcomes.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».