Post-discharge mortality in suspected pediatric sepsis: Insights from rural and urban healthcare settings in Rwanda
Notice bibliographique
Résumé
Post-discharge death is a key contributor to pediatric mortality in sub-Saharan Africa. To address this period's morbidity and mortality, evidence is needed to inform resource prioritization and policy development. No studies have been conducted in Rwanda, limiting understanding of post-discharge mortality. This study aimed to determine the incidence of and risk factors for post-discharge mortality among children under five admitted with suspected sepsis in Rwanda's rural and urban healthcare settings. We conducted a prospective, epidemiologic cohort study of post-discharge mortality in children ages 0-60 months admitted for suspected or confirmed infection in two Rwandan hospitals, one rural (Ruhengeri) and one urban (Kigali), from May 2022 to February 2023. We collected clinical, laboratory, and sociodemographic data on admission and follow-up vital statistics at 2-, 4-, and 6-months post-discharge. Of 1218 children enrolled, 115 (9.4%) died, with half in-hospital (n = 57, 4.7%) and half post-discharge (n = 58, 4.7%). Post-discharge mortality was lower in the 6-60-month cohort (n = 30, 3.5%) than in the 0-6-month cohort (10%) and higher in Kigali (n = 37, 10.3%) vs. Ruhengeri (n = 21, 2.7%). Median time to post-discharge death was 38 days (IQR: 16-97.5) in the 0-6-month cohort and 33 days (IQR: 12-76) in the 6-60-month cohort. In the 0-6 months' cohort, malnutrition (weight-for-age z-score < -3) increased the odds of post-discharge death (aOR 3.31, 95% CI 1.28-8.04), while higher maternal education was protective (aOR 0.15, 95% CI 0.03-0.85). Significant factors in the 6-60-month cohort included an abnormal Blantyre Coma Scale (aOR 3.28, 95% CI 1.47-7.34), travel time to care >;1 hour (aOR 3.54, 95% CI 1.26-9.93), and referral for higher care (aOR 4.13, 95% CI 1.05-16.27). Children aged <2 months within the 0-6 month cohort exhibited the highest cumulative mortality risk. Post-discharge mortality among Rwandan children remains a challenge, requiring interventions like caregiver counselling, follow-up visits, and community health worker monitoring to reduce mortality rates.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».