Prognostic factors of sepsis: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to systematically identify and evaluate prognostic risk factors for 30-day mortality in patients with sepsis through a meta-analysis. METHODS: Chinese and English databases were comprehensively searched from the start of the study to January 2025. Observational studies reporting multi-variable adjusted risk ratios (HRS) for prognostic factors of sepsis in adults were included. Data extraction and quality assessment using the Newcastle-Ottawa Scale were performed independently by two reviewers. Meta-analysis was performed using RevMan 5.4.1, and effect estimates were summarized using fixed or random effects models based on heterogeneity. RESULTS: Twenty studies involving 69 potential factors were included. A meta-analysis was performed on 15 factors. Increase in age (HR: 1.01), acute kidney injury (HR: 1.48), cancer (HR: 1.21), liver disease (HR: 1.58), septic shock (HR: 2.22), APACHE II (HR: 1.06), SOFA (HR: 1.19), SAPS II score (HR: 1.02), lactate (HR: 1.07) and red blood cell distribution width (HR: 1.07) were significant risk factors. Diabetes (HR: 0.80) and urinary tract infection (HR: 0.47) were protective factors. A high degree of heterogeneity was observed in some factors. CONCLUSIONS: Multiple factors have a significant impact on the mortality of sepsis. Early identification of these risk factors can guide clinical intervention strategies and improve patient 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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,052 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».