Health care‐associated infections after major cancer surgery
Notice bibliographique
Résumé
BACKGROUND: Approximately 1.7 million individuals per year are affected with health care-associated infections (HAIs) in the United States. The authors examined trends in the incidence of HAI after major cancer surgery (MCS) and risk factors for HAI to describe the effects of HAI on mortality after MCS. METHODS: Patients undergoing 1 of 8 MCS procedures within the Nationwide Inpatient Sample between 1999 and 2009 were identified (n = 2,502,686). Generalized linear regression models were used to estimate the impact of the primary predictors (procedure type, age, sex, race, insurance status, Charlson comorbidity index, hospital volume, and hospital bed size) on the odds of HAI and in-hospital mortality. Trends in incidence were evaluated with linear regression. RESULTS: Overall, MCS-associated HAI incidence increased 2.7% per year (P < .001), whereas mortality decreased 1.3% per year (P < .001). Male gender (odds ratio [OR], 1.12, 95% confidence interval [CI], 1.10-1.14), advancing age (OR, 1.02; 95% CI, 1.02-1.02), black race (OR, 1.26; 95% CI, 1.21-1.31), ≥1 comorbidities (OR, from 1.08 [95% CI, 1.04-1.13] to 1.31 [95% CI, 1.27-1.35]), and nonprivate insurance (OR, from 1.18 [95% CI, 1.15-1.22] to 1.67 [95% CI, 1.59-1.76]) were associated with an increased odds of HAI on multivariable analysis. Conversely, increasing hospital volume was associated with lower odds of HAI (OR, 0.999; 95% CI, 0.99-0.99). Patients with MCS-associated HAI had increased odds of mortality (OR, 8.66; 95% CI, 8.51-8.82). CONCLUSIONS: Between 1999 and 2009, the incidence of MCS-associated HAI events increased; however, HAI-associated mortality decreased. That said, significant disparities exist in the hospital and demographic attributes associated with MCS-associated HAI, with attendant health policy implications. Moreover, HAI remains detrimentally linked to mortality during hospitalization.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,043 | 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 ».