Prevalence and factors associated with early neonatal sepsis in a neonatal intensive care unit in Medellín, Colombia
Notice bibliographique
Résumé
Background: Early neonatal sepsis poses a significant public health challenge worldwide, especially in Colombia and Latin America. It remains a leading cause of morbidity and mortality among newborns, particularly affecting those born prematurely or with low birth weights. Despite advancements in care and preventive strategies, the prevalence of sepsis continues to be alarming. Methods: A descriptive study employing retrospective data was conducted in the PROCAREN Neonatal Intensive Care Unit (NICU) from May 2015 to January 2018. The study aimed to assess the prevalence and identify factors associated with early neonatal sepsis. A total of 88 medical records of neonates diagnosed with sepsis, either clinically or microbiologically, were reviewed, excluding those with incomplete records. Results: Of the neonates studied, 55% were male, and 56% resided outside the metropolitan area. Maternal risk factors identified included chorioamnionitis (85.7%) and nearly half (46%) of women did not receive full prenatal care. Neonatal risk factors included pre-term birth (52.3%), low birth weight (49%), and a 5.7% mortality rate due to sepsis. Additionally, 37 neonates exhibited factors associated with early sepsis, with higher prevalence rates of hypoglycemia (29.7%), pneumonia (24.3%), and urinary tract infections (13.5%). Conclusions: Our findings corroborate those in the literature, emphasizing socio-demographic and neonatal risk factors for early neonatal sepsis. Notable maternal factors identified included chorioamnionitis and prolonged rupture of membranes, while the main neonatal factors were pre-term birth and low birth weight. Despite preventive measures, high incidence and mortality rates due to sepsis persist, underscoring the importance of addressing these factors to improve neonatal outcomes.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».