Trends in infection-related hospital admissions and impact of length of time on dialysis among patients on long-term dialysis: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: After cardiovascular disease, infection is the second leading reason for admission to hospital among patients receiving long-term dialysis. We examined whether duration of dialysis treatment influences the rate of infection-related admission to hospital. METHODS: Using provincial administrative databases for Quebec, we built a retrospective cohort of all adults receiving long-term dialysis (hemodialysis or peritoneal dialysis) between 2001 and 2007. We evaluated rates of infection-related admission to hospital according to length of time on dialysis. RESULTS: A cohort of 9822 patients (mean age 66.3 [standard deviation ± 14.7] yr; 39.7% female) were followed for a median of 2.1 (range 1.0-3.9) years. Between 2001 and 2007, infection-related hospital admissions remained stable (from 0.20 to 0.19 per person-year; p = 0.7). All-cause hospital admission rates decreased by 22.9% (from 1.53 to 1.18 per person-year; p < 0.001), and cardiovascular-related admission rates decreased by 46.7% (from 0.45 to 0.24 per person-year; p < 0.001). The rate of infection-related admission remained stable with increasing time on dialysis (p = 0.1); however, both all-cause and cardiovascular-related admission rates decreased with length of time on dialysis (p < 0.001). Standardization of hospital admission rates by age, sex or length of time on dialysis did not change trends. INTERPRETATION: We found a stable rate of infection-related hospital admission between 2001 and 2007 among patients on long-term dialysis, independent of age, sex and length of time on dialysis. A decrease in all-cause and cardiovascular-related admission rates during the same period meant that the proportion of admissions related to infection increased. Because admissions to hospital are potentially preventable, understanding the epidemiology of infection-related admissions may inform future studies on prevention of this serious outcome.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».