Investigation of sources of potential bias in laboratory surveillance for anti-microbial resistance
Notice bibliographique
Résumé
PURPOSE: There are a number of biases that may influence the validity of laboratory-based surveillance for antimicrobial resistance. Our objective was to evaluate the potential magnitude of bias in reporting of etiologic agents and their resistance rates associated with inclusion of multiple patient samples and non-random timing and location of sampling. METHODS: All urine cultures submitted to a regional laboratory in the Calgary Health Region during 2004 and 2005 were studied. Comparisons were then made using either the overall cohort or different subgroups compared with the "reference" or gold standard population where only the first isolate per patient per year per species was included. RESULTS: Overall 56,897 organisms were cultured at > or =104 cfu/mL from 53,548 samples from 35,890 patients; 39,835 organisms were included in the reference cohort. Escherichia coli was reported in 37,246 (65.5%) of overall cohort and 28,257 (70.9%) of the reference cohort. Therefore, the overall cohort resulted in a relative underestimation of the importance of E. coli as the principal cause of urinary tract infections by 8%. Similarly, reported rates of resistance to antimicrobial agents most notably ciprofloxacin [6,480/52,544 (12.3%) vs. 2,647/37,086 (7.1%)], gentamicin [2,991/48,070 (6.2%) vs. 1,567/34,608 (4.5%)], and ceftriaxone [1,737/44,922 (3.9%) vs. 889/32,745 (2.7%)] were higher in the overall than in the reference cohorts. There were large differences in both the distribution of organisms and rates of resistance associated with sampling during different times of the day, week, and year as well as from acute care hospitals and outpatient clinics (P< or =0.001). CONCLUSIONS: Reports from laboratory-based surveillance studies may be biased depending on the population studied and method of sampling employed. Care must be taken in interpreting results of surveillance studies that do not protect from these major sources of bias.
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 | 0,152 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».