Antibiotic prophylaxis in cirrhosis: Good and bad
Notice bibliographique
Résumé
UNLABELLED: Patients with cirrhosis, particularly those with decompensated cirrhosis, are at increased risk of bacterial infections that may further precipitate other liver decompensations including acute-on-chronic liver failure. Infections constitute the main cause of death in patients with advanced cirrhosis, and strategies to prevent them are essential. The main current strategy is the use of prophylactic antibiotics targeted at specific subpopulations at high risk of infection: prior episode of spontaneous bacterial peritonitis, upper gastrointestinal bleeding, and low-protein ascites with associated poor liver function. Antibiotic prophylaxis effectively prevents not only the development of bacterial infections in all these indications but also further decompensation (variceal bleeding, hepatorenal syndrome) and improves survival. However, antibiotic prophylaxis is also associated with a clinically relevant and increasing drawback, the development of infections due to multidrug-resistant organisms. Several strategies have been suggested to balance the risks and benefits of antibiotic prophylaxis. CONCLUSION: Antibiotic stewardship principles such as the restriction of antibiotic prophylaxis to subpopulations at a very high risk for infection, the avoidance of antibiotic overuse, and early deescalation policies are key to achieve this balance; nonantibiotic prophylactic measures such as probiotics, prokinetics, bile acids, statins, and hematopoietic growth factors could also contribute to ameliorate the development and spread of multidrug-resistant bacteria in cirrhosis. (Hepatology 2016;63:2019-2031).
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) | 0,001 | 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) | 0,000 | 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 ».