Impact of hospital infections on patients outcomes undergoing cardiac surgery at Santa Casa de Misericórdia de Marília
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to determine the incidence of nosocomial infections, the risk factors and the impact of these infections on mortality among patients undergoing to cardiac surgery. METHODS: Retrospective cohort study of 2060 consecutive patients from 2006 to 2012 at the Santa Casa de Misericórdia de Marília. RESULTS: 351 nosocomial infections were diagnosed (17%), 227 non-surgical infections and 124 surgical wound infections. Major infections were mediastinitis (2.0%), urinary tract infection (2.8%), pneumonia (2.3%), and bloodstream infection (1.7%). The in-hospital mortality was 6.4%. Independent variables associated with non-surgical infections were age > 60 years (OR 1.59, 95% CI 1.09 to 2.31), ICU stay > 2 days (OR 5, 49, 95% CI 2.98 to 10, 09), mechanical ventilation > 2 days (OR11, 93, 95% CI 6.1 to 23.08), use of urinary catheter > 3 days (OR 4.85 95% CI 2.95 -7.99). Non-surgical nosocomial infections were more frequent in patients with surgical wound infection (32.3% versus 7.2%, OR 6.1, 95% CI 4.03 to 9.24). Independent variables associated with mortality were age greater than 60 years (OR 2.0; 95% CI 1.4 t o3.0), use of vasoactive drugs (OR 3.4, 95% CI 1.9 to 6, 0), insulin use (OR 1.8; 95% CI 1.2 to 2.8), surgical reintervention (OR 4.4; 95% CI 2.1 to 9.0) pneumonia (OR 4.3; 95% CI 2.1 to 8.9) and bloodstream infection (OR = 4.7, 95% CI 2.0 to 11.2). CONCLUSION: Non-surgical hospital infections are common in patients undergoing cardiac surgery; they increase the chance of surgical wound infection and mortality.
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,009 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle