Patterns of acute care visits for lower respiratory tract infections in children across Canada
Notice bibliographique
Résumé
ContexteLes infections aiguës des voies respiratoires inférieures (IVRI), notamment la bronchiolite, la bronchite et la pneumonie, sont les causes d’hospitalisation les plus courantes et coûteuses chez les enfants canadiens, ce qui représente un fardeau majeur pour les systèmes de santé. La pandémie de COVID-19 a eu de grave répercussion sur la présentation et la saisonnalité de ces hospitalisations. Nous avons cherché à mieux comprendre les tendances et les facteurs associés à ces admissions.ObjectifsL’étude visait à [1] estimer le taux d’incidence des hospitalisations pédiatriques pour les IVRI pédiatriques au Canada, avant et après la pandémie de COVID-19, et à [2] évaluer les facteurs associés aux admissions pour IVRI en soins tertiaires pédiatriques et en unités de soins intensifs (USI).MéthodesCette étude longitudinale populationnelle canadienne a utilisé des données administratives de santé fournies par la Base de données sur les congés des patients (BDCP) de l’Institut canadien d’information sur la santé (ICIS). Nous avons inclus les hospitalisations entre le 1er avril 2016 et le 31 mars 2023 (divisées en périodes pré et postpandémie du COVID-19, 2016-20 et 2020-23) pour les patients âgés de 0 à 17 ans ayant reçu un diagnostic primaire d’IVRI. Les saisons ont été définies d’avril à mars de l’année suivante. Les taux d’incidence annuels pour 100000 habitants et les rapports de taux d’incidence, ou les proportions annuels pour 1000 hospitalisations ont été calculés. Des modèles autorégressifs intégrés à moyenne mobile saisonnière, stratifiés par sexe et sous-groupes diagnostiques, ont été utilisés pour quantifier l’incidence hebdomadaire et la saisonnalité des hospitalisations. Les analyses secondaires ont utilisé des régressions logistiques multivariées pour identifier les facteurs associés aux admissions en USI et en centre pédiatrique.RésultatsParmi les 94391 hospitalisations pour IVRI, 33463 ont été admises dans un centre de soins tertiaires pédiatriques et 9827 en USI. Au total, 45% des patients hospitalisés ont été admis avec un diagnostic primaire de bronchiolite, 43% avec un diagnostic de pneumonie, et 12% avec un diagnostic d’IVRI autre.Comparativement, à la moyenne prépandémique, l’incidence annuelle des hospitalisations a diminué de 92% en 2020-21 (rapport du taux d’incidence (IRR) = 0,086, intervalle de confiance (IC) 95% 0,08-0,09), et de 51% en 2021-22 (IRR = 0,49, IC 95% 0,48-0,50). En 2022-23, elle a augmenté de 48% (IRR = 1,48, IC 95% 1,46-1,51). Les tendances saisonnières ont changé après le début de la pandémie. La saisonnalité typique a été perturbée en 2020, sans qu’aucune tendance claire ne soit observée, et un pic atypique a été observé en juin 2022, s’écartant de la saisonnalité hivernale précédemment établie. Cependant, dès la saison 2022-23, les tendances semblent revenir aux tendances prépandémiques.La proportion annuelle des admissions dans les centres pédiatriques et en USI a augmenté entre 2016-17 et 2022-23, passant de 256,6 à 378,5 admissions par 1000 hospitalisations pour IVRI pour les centres pédiatriques; et de 89,3 à 126,2 admissions par 1000 hospitalisations pour IVRI pour les admissions aux soins intensifs. De plus, plusieurs facteurs, notamment démographiques et comorbides, ont été identifiés comme étant associés aux admissions en USI et en centres pédiatriques, tels que des maladies chroniques complexes.ConclusionLes données administratives nationales sur la santé ont démontré des changements dans la saisonnalité et l’épidémiologie des hospitalisations pour IVRI chez les enfants canadiens après le début de la pandémie de COVID-19 en mars 2020, ce qui a entraîné une diminution temporaire significative de l’incidence. Cette situation a été suivie d’une augmentation significative par rapport aux niveaux prépandémiques lorsque les mesures d’interventions non pharmaceutiques (INP) ont été levées. Les autorités sanitaires devraient tenir compte de ce rebond des taux d’infection dans la préparation des mesures d’INP en vue de futures pandémies
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».