The Effect on Mortality of Bacterial Co-Infections on Critically Ill Patients with Community-Acquired COVID-19 and Influenza Pneumonia: A Systematic Review
Notice bibliographique
Résumé
Background: Bacterial co-infections in patients with viral pneumonia might increase mortality. In this study we aimed to evaluate their effect on the mortality of critically ill patients with viral pneumonia. Methods: A systematic search was conducted in PubMed, Web of Science, Scopus and Cochrane from inception until 30 March 2025. We included studies comparing the effect on mortality of bacterial co-infections in critically ill patients with viral pneumonia. The risk of bias was assessed by the Newcastle–Ottawa Scale. Results: From 3643 studies, 10 were included in our study with a total of 2862 COVID-19 patients and 4573 influenza patients. Seven studies were retrospective and three prospective. In total, 359/2862 of the COVID-19 and 904/4573 of the influenza patients were co-infected. Co-infections increased mortality in five out of the six studies evaluating COVID-19 patients and in two out of the eight studies evaluating influenza patients. Conclusions: The majority of the included studies were retrospective, which may limit the accuracy of these results. The exclusion of non-English literature may have led to the omission of relevant data. Based on our results, the impact of bacterial co-infection may be more pronounced in patients with COVID-19 pneumonia admitted to the ICU than in patients with influenza pneumonia.
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 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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».