Risk factors on length of stay among pulmonary tuberculosis patients: A systematic review and meta-analysis
Notice bibliographique
Résumé
Pulmonary Tuberculosis (PTB) remains a pressing public health concern. Long hospital stays for PTB patients can overburden both patients and healthcare systems. To identify the key factors contributing to extended length of stay (LOS) in PTB patients. Four electronic databases (PubMed, Scopus, Embase, and CINAHL) were systematically searched from inception to January 1, 2023. The articles were screened and performed according to Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA). Inclusion criteria were PTB patients diagnosed by doctors and studies reporting factors affecting LOS. Exclusion criteria were review articles, case study, conferences abstract, and proceedings. Study quality was assessed using the Newcastle-Ottawa Scale (NOS). A random-effects model was used to analyzed risk factors for LOS. Heterogeneity was employed using I 2 and Q statistics. Forest plots displayed effect sizes (ES) and 95% confidence intervals. STATA 14.2 was used for meta-analysis. A total of 1,190 studies were screened from reputable electronic databases, six studies comprised of 9,231 participants were included. Meta-analysis revealed that they are six risk factors associated with longer LOS including; older age (OR 1.50, 95% CI 1.07–2.09, p=0.019), comorbidity (OR 1.44, 95% CI 1.17–1.78, p=0.001), HIV patient (OR 1.40, 95% CI 1.16–1.69, p=0.001), patients with ADR (OR 2.19, 95% CI 1.47–3.26, p<0.001), MDR TB (OR 3.16, 95% CI 2.31–4.32, p<0.001), and miliary TB (OR 1.37, 95% CI 1.10–1.70, p=0.004) with minimal heterogeneity [(I 2 =34.2%, p=0.207), (I 2 =43.1%, p=0.118), (I 2 =0.0%, p=0.573), (I 2 =0.0%, p=0.723), (I 2 =0.0%, p=0.366), and (I 2 =0.0%, p=0.753), respectively]. There was no evidence of publication bias according to Begg's and Egger's test. In conclusion, six risk factors were identified as significantly associated with longer hospital stays in PTB patients: older age, comorbidities, HIV infection, ADR, MDR-TB, and miliary TB. These findings highlight the importance of targeted interventions for these high-risk groups to reduce LOS and alleviate the burden on healthcare systems. The results are based on a meta-analysis of six studies with minimal heterogeneity, and no evidence of publication bias was found. Future research should focus on exploring additional factors influencing LOS, particularly in diverse populations, and evaluating the effectiveness of interventions to shorten hospital stays. Additionally, studies examining the impact of healthcare infrastructure and resource allocation on LOS could provide valuable insights for improving patient outcomes. This study was registered with PROSPERO, CRD4203390615
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | high |
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,047 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».