The evolution of mortality from sepsis in patients with cancer: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Increasing numbers of patients with cancer are being admitted to intensive care units (ICU) with sepsis. The mortality from sepsis and septic shock in these patients is unclear. This study aimed to establish mortality from sepsis and septic shock in patients with cancer admitted to ICU and assess mortality trends over time. Methods: We conducted a literature search using MEDLINE and EMBASE. Included studies enrolled adult patients with cancer admitted to ICU with sepsis or septic shock and reported outcomes of interest. Studies were assessed using the Newcastle-Ottawa Scale for risk of bias and the quality assessment tool for observational cohort and cross-sectional studies. We performed a meta-analysis to estimate pooled ICU, hospital and 30-day mortality from sepsis and septic shock and a multivariate meta-regression to assess mortality trends over time. The study was registered on PROSPERO (CRD42022341277). Results: Twenty-five articles were included. The pooled ICU, hospital and 30-day mortality for sepsis was 44% (95% CI 38%-50%), 54% (95% CI 49%-60%) and 49% (95% CI 44%-55%) respectively. The pooled ICU, hospital and 30-day mortality for septic shock was 51% (95% CI 45%-57%), 62.6% (95% CI 56%-69%) and 54% (95% CI 46%-61%) respectively. There was significant heterogeneity between studies. The meta-regression identified decreasing ICU and hospital mortality from sepsis, and decreasing ICU mortality from septic shock. Conclusion: Patients with cancer admitted to ICU with sepsis face a significant mortality risk greater than that of the general population, despite decreasing mortality over time. Further research is required to improve 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| 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 | 0,000 |
| 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 ».