Periprosthetic joint infections at a teaching hospital in 1990–2007
Notice bibliographique
Résumé
BACKGROUND: Periprosthetic joint infections (PJIs) are major complications associated with high costs and substantial morbidity. We sought to evaluate hip and knee arthroplasty infection rates at our hospital, compare them in periods before and after implementation of measures to reduce PJIs (1990-2002 and 2003-2007) and identify associated risk factors. METHODS: We retrospectively reviewed records of patients who received primary hip or knee total joint prostheses at our centre between Jan. 1, 1990, and Dec. 31, 2007, and were readmitted for the treatment of infection related to their surgery. We also reviewed data from a prospective surveillance protocol of total hip (THA) and knee arthroplasty (TKA) infections that started in November 2005. We ascertained the annual rates of deep, superficial and hematogenous infections. RESULTS: During the periods studied, 2403 THAs and 1220 TKAs were performed. For THA, the average rates of deep, superficial and hematogenous infections were 2.0%, 0.8% and 0.3%, respectively. For TKA, the rates were 1.6%, 0.7% and 0.2%, respectively. Of 106 infected joints, 84 (79.2%) presented risk factors for infection. Efforts to reduce the infection rate at our institution began in 2003. We achieved a 44% decrease in the deep infection rate for THA (2.5% v. 1.4%; p = 0.06) and a 45% decrease for TKA (2.0% v. 1.1%, p = 0.20) between the periods studied. CONCLUSION: Knowing the actual infection rate associated with different procedures in specific settings is essential to identify unexpected problems and seek solutions to improve patient care. Although we do not know what specific improvements were successful, we were able to decrease our infection rates to levels comparable to those reported by similar care centres.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».