Beyond Early- and Late-onset Neonatal Sepsis Definitions: What are the Current Causes of Neonatal Sepsis Globally? A Systematic Review and Meta-analysis of the Evidence
Notice bibliographique
Résumé
Sepsis remains a leading cause of neonatal mortality, particularly in low- and lower-middle-income countries (LLMIC). In the context of rising antimicrobial resistance, the etiology of neonatal sepsis is evolving, potentially making currently-recommended empirical treatment guidelines less effective. We performed a systematic review and meta-analysis to evaluate the contemporary bacterial pathogens responsible for early-onset sepsis (EOS) and late-onset neonatal sepsis (LOS) to ascertain if historical classifications-that guide empirical therapy recommendations based on assumptions around causative pathogens-may be outdated. We analyzed 48 articles incorporating 757,427 blood and cerebrospinal fluid samples collected from 311,359 neonates across 25 countries, to evaluate 4347 significant bacteria in a random-effects meta-analysis. This revealed Gram-negative bacteria were now the predominant cause of both EOS (53%, 2301/4347) and LOS (71%, 2765/3894) globally. In LLMICs, the predominant cause of EOS was Klebsiella spp. (31.7%, 95% CI: 24.1-39.7%) followed by Staphylococcus aureus (17.5%, 95% CI: 8.5 to 28.4%), in marked contrast to the Streptococcus agalactiae burden seen in high-income healthcare settings. Our results reveal clear evidence that the current definitions of EOS and LOS sepsis are outdated, particularly in LLMICs. These outdated definitions may be guiding inappropriate empirical antibiotic prescribing that inadequately covers the causative pathogens responsible for neonatal sepsis globally. Harmonizing sepsis definitions across neonates, children and adults will enable a more acurate comparison of the epidemiology of sepsis in each age group and will enhance knowledge regarding the true morbidity and mortality burden of neonatal sepsis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| 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 ».