MétaCan
Menu
Retour à la cohorte
Enregistrement W2157016503 · doi:10.1093/cid/ciu497

Previous Antibiotic Exposure and Antimicrobial Resistance in Invasive Pneumococcal Disease: Results From Prospective Surveillance

2014· article· en· W2157016503 sur OpenAlexafffundabout
Stefan P. Kuster, Wallis Rudnick, Altynay Shigayeva, K. Green, M. Baqi, Wayne L. Gold, Reena Lovinsky, Matthew Muller, Jeff Powis, N.S. Rau, A. E. Simor, Sharon Walmsley, Donald E. Low, Allison McGeer, Simon Allard, I. Armstrong, Barbara Yaffe, David Richardson, D. K. Chen, Michèle C. Health, Rićhard P. Hill, Shelley L. Deeks, Jonathan B. Gubbay, F. Jamieson, H. R. Devlin, Eugenio Villa, Kathleen Dooling, H. Dick, James M. Downey, J. Kapala, Kevin Katz, Ian Kitai, Jennie Johnstone, Sigmund Krajden, Kyoung Suk Lee, Mark Loeb, Fiona Smaill, Marguerite Lovgren, David Rose, Clement Ma, Agron Plevneshi, Barbara Willey, Sylvia Pong-Porter, Ka Sing Wong, Irene Martín, Anne Matlow, S. Richardson, Dat Tran, Shane O’Grady, Kinga Ostrowska, Alicia Sarabia, Joel B. Rodgers, Vicência Sales, Phoebe Shokry, Michael E. Silverman, Mary Vearncombe, Deborah Yamamura

Notice bibliographique

RevueClinical Infectious Diseases · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePneumonia and Respiratory Infections
Établissements canadiensSunnybrook Health Science CentreThe Scarborough HospitalToronto East General HospitalUniversity of TorontoUniversity Health NetworkWilliam Osler Health SystemHealth Sciences CentreHalTechMount Sinai Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineAntibioticsAntibiotic resistanceOdds ratioInternal medicineConfidence intervalAntimicrobialAzithromycinBroth microdilutionProspective cohort studyMicrobiologyMinimum inhibitory concentrationBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Estimating the risk of antibiotic resistance is important in selecting empiric antibiotics. We asked how the timing, number of courses, and duration of antibiotic therapy in the previous 3 months affected antibiotic resistance in isolates causing invasive pneumococcal disease (IPD). METHODS: We conducted prospective surveillance for IPD in Toronto, Canada, from 2002 to 2011. Antimicrobial susceptibility was measured by broth microdilution. Clinical information, including prior antibiotic use, was collected by chart review and interview with patients and prescribers. RESULTS: Clinical information and antimicrobial susceptibility were available for 4062 (90%) episodes; 1193 (29%) of episodes were associated with receipt of 1782 antibiotic courses in the prior 3 months. Selection for antibiotic resistance was class specific. Time elapsed since most recent antibiotic was inversely associated with resistance (cephalosporins: adjusted odds ratio [OR] per day, 0.98; 95% confidence interval [CI], .96-1.00; P = .02; macrolides: OR, 0.98; 95% CI, .96-.99; P = .005; penicillins: OR [log(days)], 0.62; 95% CI, .44-.89; P = .009; fluoroquinolones: profile penalized-likelihood OR [log(days)], 0.62; 95% CI, .39-1.04; P = .07). Risk of resistance after exposure declined most rapidly for fluoroquinolones and penicillins and reached baseline in 2-3 months. The decline in resistance was slowest for macrolides, and in particular for azithromycin. There was no significant association between duration of therapy and resistance for any antibiotic class. Too few patients received multiple courses of the same antibiotic class to assess the significance of repeat courses. CONCLUSIONS: Time elapsed since last exposure to a class of antibiotics is the most important factor predicting antimicrobial resistance in pneumococci. The duration of effect is longer for macrolides than other classes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,302
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetPneumonia and Respiratory InfectionsTravaux en français237 207