MétaCan
Menu
Retour à la cohorte
Enregistrement W4393951882 · doi:10.1371/journal.pntd.0012080

Snakebite envenoming: A systematic review and meta-analysis of global morbidity and mortality

2024· review· en· W4393951882 sur OpenAlexaboutno aff
Afroza Akhter, Bodrun Naher Siddiquea, Hasina Akhter Chowdhury, Timothy Jackson, Andrew D. Watt

Notice bibliographique

RevuePLoS neglected tropical diseases · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVenomous Animal Envenomation and Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilUniversity of Melbourne
Mots-clésNeglected tropical diseasesMeta-analysisMedicineSystematic reviewMEDLINEIntensive care medicineBiologyPathologyPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Snakebite envenoming represents a significant and often neglected public health challenge, particularly in rural communities across tropical and subtropical regions. An estimated 1.2-5.5 million people are envenomed by snakebites annually. More than 125,000 of these bites are fatal, and 3-4 times as many results in disability/disfigurement. Despite its prevalence, collecting accurate epidemiological data on snakebite is challenging. This systematic review and meta-analysis collates global epidemiology data on snakebite morbidity and mortality. METHODS: Medline, Embase, Cochrane and CINAHL Plus databases were searched for articles published between 2001-2022. Pooled incidence and mortality were obtained using random effects modelling, heterogeneity (I2) was tested, and sensitivity analyses performed. Newcastle-Ottawa Scale assessed study quality. RESULTS: Out of the four databases, 5,312 articles were found. After removing duplicates, 3,953 articles were screened by title and abstract and 65 articles containing information on snakebite epidemiology, encompassing 663,460 snakebites, were selected for analysis. The people most at risk for snakebite were men (59%), engaged in agricultural labour (27.5%), and residing in rural areas (66.7%). More than half (57%) of the reported bites resulted in envenoming. Incidents occurred frequently in the summer season (38.5%), during daytime (56.7%), and bites were most often to the lower limb (56.4%). Envenoming severity was frequently mild (46.7%), treated in hospital (68.3%), and was treated with anti-venom (64.7%). The pooled global incidence and mortality was 69.4 /100,000 population (95%CI: 36.8 to 101.9) and 0.33/100,000 population (95%CI, 0.14 to 0.52) per year, respectively. Stratified by continents, Asia had the highest incidence of 130.7/100,000 population (95%CI: 48.3 to 213.1) while Europe has the lowest with 0.7/100,000 population (95%CI: -0.2 to 1.5). The highest mortality was reported in Asia at 0.96/100,000 population (95% CI: 0.22 to 1.70), and Africa 0.44/100,000 population (95%CI: -0.03 to 0.84). Incidence was highest among inhabitants of lower-middle-income countries 132.7/100,000 population (95%CI: 55.4 to 209.9) while mortality was highest in low-income countries at 0.85/100,000 population (95% CI: -0.06 to 2.31). CONCLUSION: Incidence and mortality rates noted here highlight the global impact of snakebite and underscore the critical need to address the burden of snakebite envenoming. It also reveals that while reported snakebite incidence was higher in lower-middle-income countries, the burden of mortality was greatest among inhabitants of low-income countries, again emphasising the need for greater efforts to tackle this neglected tropical disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0170,029
Bibliométrie0,0070,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,351
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS neglected tropical diseasesMême sujetVenomous Animal Envenomation and StudiesTravaux en français237 207