Predictors of Long Length of Stay in Infants Hospitalized With Urinary Tract Infection
Notice bibliographique
Résumé
OBJECTIVE: Urinary tract infection (UTI) is the most common serious bacterial infection in infants. To use resources optimally, factors contributing to costs through length of stay (LOS) must be identified. This study sought to identify clinical and health system factors associated with long LOS in infants with UTI. METHODS: Using a case-control design, we included infants <6 months old hospitalized with UTI. Cases had LOS ≥96 hours; controls had LOS <96 hours. Clinical and health system variables were extracted from medical records. Cases and controls were compared by using comparative statistics and multiple logistic regression analysis. RESULTS: Cases (n = 71) and controls (n = 71) did not differ by gender; cases were more likely to be younger (4.2 vs 7.1 weeks, P = .04), born preterm (13% vs 3%, P = .03), have known genitourinary disease (17% vs 4%, P = .01), an ultrasound (85% vs 68%, P = .02) or voiding cystourethrogram (VCUG) (61% vs 34%, P = .001) ordered, longer wait for VCUG (53 vs 27 hours, P = .002), consult requested (54% vs 10%, P < .001), and longer duration of intravenous (IV) antibiotics (125 vs 62 hours, P < .001). Multiple logistic regression demonstrated that cases were more likely to be premature (odds ratio [OR] 7.6), have known genitourinary disease (OR 7.3), and have VCUG ordered in the hospital (OR 4.5). CONCLUSIONS: Infants who are older, are born full term, have no genitourinary disease, receive shorter courses of IV antibiotics, and do not have a VCUG ordered have shorter stays and may be eligible for a short-stay unit. Earlier transition to oral antibiotics and delayed ordering of a VCUG may decrease LOS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».