Dominance of antimicrobial resistance bacteria and risk factors of bacteriuria infection among pregnant women in East Africa: implications for public health
Notice bibliographique
Résumé
BACKGROUND: Bacterial infections in pregnancy pose significant health risks in East Africa. This study estimates pooled prevalence and identifies key risk factors, addressing limited data to improve maternal health outcomes in the region. METHODS: This study employed a systematic review and meta-analysis, analyzing data from eight East African studies (2016-2021). Searches spanned PubMed, Embase, Scopus, and more, with manual reference checks. Data quality was assessed via the Newcastle-Ottawa Scale. RevMan software with a random-effects model estimated pooled prevalence and hazard ratios for risk factors. RESULTS: A pooled analysis of antimicrobial resistance (AMR) bacterial isolates from pregnant women in East Africa highlights concerning prevalence rates of various pathogens. Escherichia coli emerged as the most common pathogen, present in 43% (95% CI: 37-48%) of cases, followed by Staphylococcus aureus at 20% (95% CI: 0.12, 0.29) and Corynebacterium, Enterococcus, and Nocardia species (CONs) in 16% (95% CI: 10-23%) and 16% (95% CI: 12-21%) (Prevalence of K. pneumoniae). A very small proportion 6% (95% CI: 2 - 11%) was found to be infected with Pseudomonas aeruginosa. The forest plot highlights risk factors for infections in pregnant women in East Africa: antibiotic use (HR: 2.0, 95% CI: 1.5-2.6), smoking (HR: 1.3, 95% CI: 1.0-1.6), poor sanitation (HR: 1.8, 95% CI: 1.2-2.4), diabetes (HR: 2.1, 95% CI: 1.5-2.8), and age > 30 years (HR: 1.5, 95% CI: 1.1-2.0). CONCLUSIONS: This analysis reveals a significant prevalence of bacterial infections, particularly Escherichia coli, among pregnant women in East Africa, with antimicrobial resistance (AMR) complicating treatment. The study identified several key risk factors, including antibiotic use, smoking, poor sanitation, diabetes, and age over 30, which are associated with higher rates of infection. While these findings emphasize the need for further research, the results suggest that routine bacterial screening, AMR surveillance, improved sanitation, and antibiotic stewardship are important steps in mitigating the impact of these infections. Public health strategies should prioritize high-risk groups, encourage hygiene practices, and continue to guide policy and interventions through ongoing studies.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».