MétaCan
Menu
Retour à la cohorte
Enregistrement W1493616363 · doi:10.1002/cncr.28027

Health care‐associated infections after major cancer surgery

2013· article· en· W1493616363 sur OpenAlexaff
Jesse D. Sammon, Vincent Quoc‐Huy Trinh, Praful Ravi, Shyam Sukumar, Mai‐Kim Gervais, Shahrokh F. Shariat, Alexandre Larouche, Zhe Tian, Simon P. Kim, Keith Kowalczyk, Jim C. Hu, Mani Menon, Pierre I. Karakiewicz, Quoc‐Dien Trinh, Maxine Sun

Notice bibliographique

RevueCancer · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical site infection prevention
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioConfidence intervalIncidence (geometry)ComorbidityInternal medicineOddsLogistic regression

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,320
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancerMême sujetSurgical site infection preventionTravaux en français237 207