Clinical prediction models to diagnose neonatal sepsis in low-income and middle-income countries: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Neonatal sepsis causes significant morbidity and mortality worldwide but is difficult to diagnose clinically. Clinical prediction models (CPMs) could improve diagnostic accuracy, facilitating earlier treatment for cases and avoiding antibiotic overuse. Neonates in low-income and middle-income countries (LMICs) are disproportionately affected by sepsis, yet no review has comprehensively synthesised evidence for CPMs validated in this setting. METHODS: We performed a scoping review of CPMs to diagnose neonatal sepsis using Ovid MEDLINE, Ovid Embase, Scopus, Web of Science, Global Index Medicus and the Cochrane Library. The most recent searches were performed on 16 June 2024. We included studies published in English or Spanish that validated a new or existing CPM for neonatal sepsis in any healthcare setting in an LMIC. Studies were excluded if they validated a prognostic model or where data for neonates could not be separated from a larger paediatric population. Studies were selected by two independent reviewers and summarised by narrative synthesis. RESULTS: From 4598 unique records, we included 82 studies validating 44 distinct models in 24 252 neonates. Most studies were set in neonatal intensive or special care units (n=64, 78%) in middle-income countries (n=81, 99%) and included neonates already suspected of sepsis (n=58, 71%). Only four studies (5%) were set in the WHO African region, and only one study included data from a low-income country. Two-thirds of CPMs (n=30) required laboratory parameters, and three-quarters (n=34) were only validated in one study. CONCLUSION: Our review highlights several literature gaps, particularly a paucity of studies validating models in the lowest-income countries where neonatal sepsis is most prevalent, and models for the undifferentiated neonatal population that do not rely on laboratory tests. Furthermore, heterogeneity in study populations, definitions of sepsis and reporting of models inhibits meaningful comparison between studies and may hinder progress towards useful diagnostic tools.
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 | Revue systématique | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».