Non‐tuberculous mycobacterial infections at <scp>S</scp>an <scp>F</scp>rancisco <scp>G</scp>eneral <scp>H</scp>ospital
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The epidemiology of non-tuberculous mycobacteria (NTM) infection is not well defined. We evaluated the trends in incidence of NTM infections at San Francisco General Hospital (SFGH), a large metropolitan county hospital. METHODS: We performed a retrospective review of microbiologic and clinical records of all patients with a positive NTM culture reported from 1993 to 2001. NTM infection was defined by the isolation of >1 NTM from any clinical specimen. Patients were stratified by human immunodeficiency virus (HIV) status. Univariate and multivariate logistic regression were used to identify factors that were independently associated with NTM infection. Trends over time were assessed using Poisson test for trend. RESULTS: During the study period, 25 736 samples from 7395 patients were cultured for mycobacteria. Of these samples, 2853 (11.1%) from 1345 patients (18.2%) were culture positive for NTM. Patient characteristics associated with infection included younger age (P < 0.001), male gender (P < 0.001), White ethnicity compared with Asian and Hispanic (P < 0.001 and P = 0.01, respectively), and HIV positivity (P < 0.001). Overall, NTM infection at SFGH decreased significantly from 319 cases in 1993 to 59 in 2001 (P < 0.001). Mycobacterium avium was predominant in both HIV-positive and HIV-negative populations (74.5% and 44.6% of isolates, respectively), and Mycobacterium kansasii was the second most common NTM species isolated. The proportion of other NTM species isolated in these groups differed. CONCLUSION: In contrast to other published studies, time-series analyses show that NTM isolation rates decreased during the study period at SFGH, where NTM was most strongly associated with HIV infection.
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 | 0,012 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».