Low predictive value of positive transplant perfusion fluid cultures for diagnosing postoperative infections in kidney and kidney–pancreas transplantation
Notice bibliographique
Résumé
AIMS: Infection following transplantation is a cause of morbidity and mortality. Perfusion fluid (PF) used to preserve organs between recovery and transplantation represents a medium suitable for the growth of microbes. We evaluated the relevance of positive growth from PF sampled before the implantation of kidney or kidney-pancreas (KP) allografts. METHODS: Between January 2007 and January 2011, 548 kidney/KP transplants were performed in our centre. A retrospective review of patient records with culture-positive PF was performed. RESULTS: PF was received from 483 (88%) patients, of which 35 (7%, 95% CI 5.3% to 9.9%) were positive for bacteria (31/483, 6.4%, 95% CI 4.6% to 9.8%) and fungi (4/483, 0.8%, 95% CI 0.3% to 2.1%). Thirty-two of the 35 culture-positive PF (91.4%, 95% CI 77.6% to 97%) were considered insignificant. The remaining three patients developed sepsis postoperatively, which was considered to be possibly related to growth in PF; Escherichia coli in one and Klebsiella pneumoniae in two. Of the non-skin flora bacteria cultured from PF, six were resistant to the prophylactic antibiotic given intraoperatively, but only one developed infection postoperatively (E coli, resistant to the co-amoxiclav). CONCLUSIONS: Significant attributable morbidity associated with PF-positive culture results was relatively rare. Culture of organisms other than Enterobacteriaceae or fungi are likely to represent contamination.
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 | 0,001 |
| 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 ».