Late-Onset Sepsis among Extremely Preterm Infants of 24–28 Weeks Gestation: An International Comparison in 10 High-Income Countries
Notice bibliographique
Résumé
INTRODUCTION: Despite advances in neonatal care, late-onset sepsis remains an important cause of preventable morbidity and mortality. Neonatal late-onset sepsis rates have decreased in some countries, while in others they have not. Our objective was to compare trends in late-onset sepsis rates in 9 population-based networks from 10 countries and to assess the associated mortality within 7 days of late-onset sepsis. METHODS: We performed a retrospective population-based cohort study. Infants born at 24-28 weeks' gestation between 2007 and 2019 were eligible for inclusion. Late-onset sepsis was defined as a positive blood or cerebrospinal fluid culture. Late-onset sepsis rates were calculated for 3 epochs (2007-11, 2012-15, and 2016-19). Adjusted risk ratios (aRRs) for late-onset sepsis were calculated for each network. RESULTS: Of a total of 82,850 infants, 16,914 (20.4%) had late-onset sepsis, with Japan having the lowest rate (7.1%) and Spain the highest (44.6%). Late-onset sepsis rates decreased in most networks and remained unchanged in a few. Israel, Sweden, and Finland showed the largest decrease in late-onset sepsis rates. The aRRs for late-onset sepsis showed wide variations between networks. The rate of mortality temporally related to late-onset sepsis was 10.9%. The adjusted mean length of stay for infants with late-onset sepsis was increased by 5-18 days compared to infants with no late-onset sepsis. CONCLUSIONS: One in 5 neonates of 24-28 weeks' gestation develops late-onset sepsis. Wide variability in late-onset sepsis rates exists between networks with most networks exhibiting improvement. Late-onset sepsis was associated with increased mortality and length of stay.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».