A Multicenter Multinational Registry for Assessing Ventriculoperitoneal Shunt Infections for Hydrocephalus
Notice bibliographique
Résumé
BACKGROUND: Reported infection rates after ventriculoperitoneal shunt surgery vary from 1 to 25%. Antibiotic-impregnated (AI) catheters may reduce shunt infection rates, but this is uncertain. OBJECTIVE: To establish a prospective shunt registry to evaluate short-term (3-month) infection rates associated with ventriculoperitoneal shunts and standard or AI catheters during surgical treatment of hydrocephalus. METHODS: A prospective, multicenter, noncontrolled, open-label registry investigated patients with de novo catheter implantation or catheter replacement of an existing ventriculoperitoneal shunt. The primary outcome was shunt infection. RESULTS: A total of 440 patients were entered into the registry at 10 sites: 3 in North America, 2 in Singapore, 4 in China and 1 in India. Seven patients were excluded. Of the 433 remaining patients, 314 had new shunts and 119 were revisions. Shunt infections occurred in 14 of 433 patients (3.2%) overall and in 2 of 37 infants (5.2%) younger than 1 year. AI catheters were used in 46 of 433 patients at 7 centers. The shunt infection rate was 0 of 46 for shunts with AI catheters and 14 of 387 (3.6%) without AI catheters. Infection rates were similar with AI catheters, adjusting for age and catheter type. CONCLUSION: The overall shunt infection rate was lower than in previous multicentered studies. The low infection rate and low rate of AI catheter use precludes any meaningful statement regarding the value of AI catheters in reducing the infection rate. Consideration should be given to performing a well designed, adequately powered, prospective randomized controlled trial to determine whether AI catheters reduce shunt infection rates.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».