Antiviral use among children admitted for influenza in Canadian pediatric tertiary care centers between 2010-2019
Notice bibliographique
Résumé
L’utilisation des médicaments antiviraux parmi les enfants admis pour l’influenza en centre de soins tertiaires pédiatrique au Canada entre 2010-2019ContexteLes épidémies de grippe saisonnière causées par le virus de l’influenza sont une cause importante d’hospitalisation et de mortalité pédiatrique. Les données sur l’utilisation des antiviraux parmi les enfants hospitalisés sont rares. En outre, malgré les lignes directrices de pratique clinique qui recommandent un traitement antiviral pour tous les enfants hospitalisés, on ignore pourquoi nombreux n’en reçoivent pas.ObjectifsNous décrivons l’utilisation des antiviraux chez les enfants hospitalisés pour la grippe dans les centres pédiatriques canadiens, et d’identifions les facteurs associés au traitement antiviral.MéthodesÉtude de cohorte rétrospective chez les enfants (0-16 ans) admis pour infection grippale confirmée en laboratoire, de septembre 2010 à juin 2019, dans les 12 centres pédiatriques du Programme canadien de surveillance active de l’immunisation (IMPACT), vérifiée par une surveillance active. Nous avons exclu les patients dont le séjour hospitalier <1 jour, les patients ayant reçu des antiviraux avant leur admission et les cas nosocomiaux. Le résultat primaire était l’utilisation des antiviraux en hôpital. Les variables d'exposition comprenaient les données démographiques, la disponibilité de directives locales, le moment de l’admission pendant la saison grippale, le moment de confirmation virologique, la présence de conditions de santé chroniques à haut risque, les caractéristiques cliniques, la prescription d’antibiotiques et des mesures de sévérité (mortalité, admission dans l’unité des soins intensifs [USI], la ventilation mécanique, la longueur du séjour hospitalier et en USI). Les analyses de régression logistique univariées et multivariées ont été effectuées pour identifier les facteurs associés à l’utilisation d’antiviraux.RésultatsParmi les 7545 patients, étaient mâles. L’âge moyen était de 3 ans, (écart interquartile, 1.1-6.3) et 70.8% avaient une infection à l’influenza de type A. Dans l'ensemble, 41.3% ont reçu des antiviraux; 72.8% ont reçu des antibiotiques. L’utilisation des antiviraux variait selon les sites (fourchette, 10.2-81.1%) et la saison grippale (fourchette, 19.9-59.6%). Les enfants ayant reçu des antiviraux présentaient des marqueurs de sévérité plus élevés (durée médiane d’hospitalisation de 4 vs 2 jours, P<0.001; admission en USI, 27.8% vs. 8.7%, P<0.001; mortalité liée à l’influenza, 0.9% vs. 0.2%, P<0.001). Selon l’analyse multivariée, les facteurs associés à l’utilisation d’antiviraux comprenaient l’âge plus avancé [rapport de cotes ajusté (aRC) 1.04 (intervalle de confiance 95%, 1.02-1.05)], saison récente [aRC le plus élevé 9.18 (6.70-12.57) pour 2018-19], admission au pic saisonnier [aRC 1.37 (1.19-1.58)], disponibilité de directives locales [aRC 1.54 (1.17-2.02)], moment de confirmation en laboratoire [aRC le plus élevé 2.67 (1.97-3.61) pour résultats avant l’hospitalisation], présence de conditions de santé chroniques [aRC le plus élevé 4.81 (3.61-6.40) pour le cancer], pneumonie radiographique [aRC 1.39 (1.20-1.60)], réception d’antibiotiques [aRC 1.51 (1.30-1.76)] et admission à l’USI [aRC 3.62 (2.88-4.56)].ConclusionsLes médicaments antiviraux sont sous-utilisés chez les enfants hospitalisés pour l’influenza dans les hôpitaux pédiatriques canadiens. Cependant, une augmentation encourageante de leur utilisation en général et chez les enfants à hauts risques a été constatée. Une large variation dans les pratiques de prescription a été remarquée à travers le pays, et un taux élevé d’utilisation d’antibiotiques a également été notée. Nous avons identifié les caractéristiques des patients et des hôpitaux associés à la prescription d’antiviraux. Dans l’ensemble, ces résultats appellent à des interventions hospitalières à multiples facettes pour renforcer le respect des directives en matière de traitement de la grippe
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 | 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 ».