To Clean or Not to Clean: Effect on Contamination Rates in Midstream Urine Collections in Toilet-Trained Children
Notice bibliographique
Résumé
OBJECTIVE: Urinary tract infection is one of the most common bacterial infections among children. Difficulty in specimen collection and interpretation of inadequately collected specimens may contribute to misdiagnosis of urinary tract infection. Our objective was to assess the effect of perineal/genital cleaning on bacterial contamination rates of midstream urine collections in toilet-trained children. METHODS: We conducted a randomized trial in toilet-trained children who presented to a tertiary care pediatric emergency department between November 1, 2004, and October 1, 2005. All toilet-trained children who were between the ages of 2 and 18 years and had a midstream urine sample requested were eligible. Those whose parents consented were cluster-randomized by week to either cleaning or not cleaning the perineum with soap. The risk for a contaminated urine culture (defined as growth of < 10(8) colony-forming units per liter [< 10(5) colony-forming units per milliliter] of a single organism or a mix of > or = 2 organisms) and the risk for a positive urinalysis (defined as a positive leukocyte esterase and/or nitrites on dipstick or > or = 5 white blood cells per high-powered field on a standard microscopic examination) were analyzed by intention to treat. RESULTS: A total of 350 children were enrolled. The rate of contamination in the cleaning group was 14 (7.8%) of 179 vs 41 (23.9%) of 171 in the noncleaning group. Children who were randomly assigned to cleaning were less likely to have a positive urinalysis (37 of 179 [20.6%]) than those in the noncleaning group (63 of 171 [36.8%]). CONCLUSIONS: Urine contamination rates are higher in midstream urine that is collected from toilet-trained children when obtained without perineal/genital cleaning. Cleaning may reduce the risk for returning for repeat cultures and for receiving unnecessary antibiotic treatment and investigations.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».