Verbal Autopsy to Assess Postdischarge Mortality in Children With Suspected Sepsis in Uganda
Notice bibliographique
Résumé
BACKGROUND: Reducing child mortality in low-income countries is constrained by a lack of vital statistics. In the absence of such data, verbal autopsies provide an acceptable method to determining attributable causes of death. The objective was to assess potential causes of pediatric postdischarge mortality in children younger than age 5 years (under-5) originally admitted for suspected sepsis using verbal autopsies. METHODS: Secondary analysis of verbal autopsy data from children admitted to 6 hospitals across Uganda from July 2017 to March 2020. Structured verbal autopsy interviews were conducted for all deaths within 6 months after discharge. Two physicians independently classified a primary cause of death, up to 4 alternative causes, and up to 5 contributing conditions using the Start-Up Mortality List, with discordance resolved by consensus. RESULTS: Verbal autopsies were completed for 361 (98.6%) of the 366 (5.9%) children who died among 6191 discharges (median admission age: 5.4 months [interquartile range, 1.8-16.7]; median time to mortality: 28 days [interquartile range, 9-74]). Most deaths (62.3%) occurred in the community. Leading primary causes of death, assigned in 356 (98.6%) of cases, were pneumonia (26.2%), sepsis (22.1%), malaria (8.5%), and diarrhea (7.9%). Common contributors to death were malnutrition (50.5%) and anemia (25.7%). Reviewers were less confident in their causes of death for neonates than older children (P < .05). CONCLUSIONS: Postdischarge mortality frequently occurred in the community in children admitted for suspected sepsis in Uganda. Analyses of the probable causes for these deaths using verbal autopsies suggest potential areas for interventions, focused on early detection of infections, as well as prevention and treatment of underlying contributors such as malnutrition and anemia.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».