Nosocomial Gram-negative bacteremia in intensive care: epidemiology, antimicrobial susceptibilities, and outcomes
Notice bibliographique
Résumé
OBJECTIVES: To describe the epidemiology, antimicrobial susceptibilities, treatment, and outcomes of intensive care unit (ICU)-acquired Gram-negative bacteremia. METHODS: Patients with ICU-acquired Gram-negative bacteremia from 2004 to 2012 were reviewed retrospectively. Independent predictors of mortality were examined using multivariable Cox regression. RESULTS: Seventy-eight cases of ICU-acquired Gram-negative bacteremia occurred in 74 patients. The infection rate was 0.97/1000 patient-days. Mean patient age was 55 years, 62% were male. The most common admission diagnoses were respiratory failure (34%) and sepsis/septic shock (45%). Mortality was 35% at 30 days. The most common source of bacteremia was pneumonia (33%). Of 83 Gram-negative isolates, Escherichia coli (20%) and Pseudomonas aeruginosa (18%) were most common. For aerobic isolates, susceptibilities to ciprofloxacin (61%) and piperacillin/tazobactam (68%) were low. For pseudomonal isolates, susceptibilities to ciprofloxacin (53%), piperacillin/tazobactam (67%), and imipenem (53%) were equally disappointing. Adequate empiric antimicrobial therapy was prescribed in 85% of bacteremia cases. On multivariable analysis, adequate empiric therapy (adjusted hazard ratio (aHR) 0.38, 95% confidence interval (CI) 0.16-0.89), immune suppression (aHR 3.4, 95% CI 1.4-8.3), and coronary artery disease (aHR 4.5, 95% CI 1.7-11.9) were independently associated with 30-day mortality. CONCLUSIONS: ICU-acquired Gram-negative bacteremia is associated with high mortality. Resistance to ciprofloxacin, piperacillin/tazobactam, and carbapenems was common. Coronary artery disease, immune suppression, and inadequate empiric antimicrobial therapy were independently associated with increased 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.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».