Surgical site infection in abdominal trauma patients: risk prediction and performance of the NNIS and SENIC indexes
Notice bibliographique
Résumé
BACKGROUND: The National Nosocomial Infections Surveillance (NNIS) and Efficacy of Nosocomial Infection Control (SENIC) indexes are designed to develop control strategies and to reduce morbidity and mortality rates resulting from infections in surgical patients. We sought to assess the application of these indexes in patients undergoing surgery for abdominal trauma and to develop an alternative model to predict surgical site infections (SSIs). METHODS: We conducted a prospective cohort study between November 2000 and March 2002. The main outcome measure was SSIs. We evaluated the variables included in the NNIS and SENIC indexes and some preoperative, intraoperative and postoperative variables that could be risk factors related to the development of SSIs. We performed multivariate analyses using a forward logistic regression method. Finally, we assessed infection risk prediction, comparing the estimated probabilities with actual occurrence using the areas under the receiver operating characteristic (ROC) curves. RESULTS: Overall, 614 patients underwent an exploratory laparotomy. Of these, 85 (13.8%) experienced deep incisional and organ/intra-abdominal SSIs. The independent variables associated with this complication were an Abdominal Trauma Index score greater than 24, abdominal contamination and admission to the intensive care unit. We proposed a model for predicting deep incisional and organ/intra-abdominal SSIs using these variables (alternative model). The areas under the ROC curves were compared using the estimated probabilities for this alternative model and for the NNIS and SENIC scores. The analysis revealed a greater area under the ROC curve for the alternative model. The NNIS and SENIC scores did not perform as well as the alternative model in patients with abdominal trauma. CONCLUSION: The NNIS and SENIC indexes were inferior to the proposed alternative model for predicting SSIs in patients undergoing surgery for abdominal trauma.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».