Etiology of hospital mortality in children living in low- and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
In 2019, 80% of the 7.4 million global child deaths occurred in low- and middle-income countries (LMICs). Global and regional estimates of cause of hospital death and admission in LMIC children are needed to guide global and local priority setting and resource allocation but are currently lacking. The study objective was to estimate global and regional prevalence for common causes of pediatric hospital mortality and admission in LMICs. We performed a systematic review and meta-analysis to identify LMIC observational studies published January 1, 2005-February 26, 2021. Eligible studies included: a general pediatric admission population, a cause of admission or death, and total admissions. We excluded studies with data before 2,000 or without a full text. Two authors independently screened and extracted data. We performed methodological assessment using domains adapted from the Quality in Prognosis Studies tool. Data were pooled using random-effects models where possible. We reported prevalence as a proportion of cause of death or admission per 1,000 admissions with 95% confidence intervals (95% CI). Our search identified 29,637 texts. After duplicate removal and screening, we analyzed 253 studies representing 21.8 million pediatric hospitalizations in 59 LMICs. All-cause pediatric hospital mortality was 4.1% [95% CI 3.4%-4.7%]. The most common causes of mortality (deaths/1,000 admissions) were infectious [12 (95% CI 9-14)]; respiratory [9 (95% CI 5-13)]; and gastrointestinal [9 (95% CI 6-11)]. Common causes of admission (cases/1,000 admissions) were respiratory [255 (95% CI 231-280)]; infectious [214 (95% CI 193-234)]; and gastrointestinal [166 (95% CI 143-190)]. We observed regional variation in estimates. Pediatric hospital mortality remains high in LMICs. Global child health efforts must include measures to reduce hospital mortality including basic emergency and critical care services tailored to the local disease burden. Resources are urgently needed to promote equity in child health research, support researchers, and collect high-quality data in LMICs to further guide priority setting and resource allocation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».