Peritonitis and Exit Site Infections in First Nations Patients on Peritoneal Dialysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: First Nations (FN) patients on peritoneal dialysis experience poor outcomes. Whether discrepancies exist regarding the microbiology, rate of infections, and outcomes between FN and non-FN peoples remains unknown. Design, setting, participants, & measures: All adult peritoneal dialysis patients (n = 727) from 1997 to 2007 residing in Manitoba, Canada, were included. Parametric and nonparametric tests were used as necessary. Negative binomial regression was used to determine the relationship of rates of exit site infections (ESIs) and peritonitis between FN and non-FN peoples. RESULTS: A total of 161 FN and 566 non-FN subjects were included in the analyses. The unadjusted relative rates of peritonitis and ESIs in FN subjects were 132.7 and 86.0/100 patient-years compared with 87.8 and 78.2/100 patient-years in non-FN populations, respectively. FN subjects were more likely to have culture-negative peritonitis (36.5 versus 20.8%, P < 0.0001) and Staphylococcus ESIs (54.1 versus 32.9%, P < 0.0001). The crude and adjusted rates of peritonitis were higher in FN subjects for total episodes and culture-negative and gram-negative peritonitis. Catheter removal because of peritonitis was similar in both groups (42.9 versus 38.1% for FN and non-FN subjects, respectively; P = 0.261). CONCLUSIONS: FN patients experience higher rates of peritonitis and similar rates of ESIs compared with non-FN patients. Interventions to improve outcomes and prevent infections should specifically be targeted to the FN population.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».