Nosocomial urinary tract infections caused by extended-spectrum beta-lactamase uropathogens: Prevalence, pathogens, risk factors, and strategies for infection control
Notice bibliographique
Résumé
INTRODUCTION: Our goal was to investigate the prevalence and antibiogram pattern of extended spectrum beta-lactamase (ESBL) production among uropathogens using isolates from urine samples collected at the Department of Urology in the Sahloul Hospital, Tunisia We also aimed to identify the risk factors for nosocomial urinary tract infections (UTIs) in patients who underwent transurethral resection of the prostate (TURP) and the measures for infection control. METHODS: Laboratory records of a five-year period from January 2004 to December 2008 were submitted for retrospective analysis to determine the incidence of ESBL infections. A total of 276 isolates were collected. A case-control study involving comparisons between two groups of patients who underwent TURP was performed to determine the risk factors for ESBL infection. Group 1, designated case subjects, included 51 patients with nosocomial UTI after TURP. Group 2, designated control subjects, consisted of 58 randomly selected patients who underwent TURP without nosocomial UTI in the same period. Factors suspected to be implicated in the emergence of ESBL infection were compared between the two groups in order to identify risk factors for infection. A univariate regression analysis was performed, followed by a multivariate one. RESULTS: The annual prevalence of ESBL infection ranged from 1.3-2.5%. After performing univariate and multivariate regression analysis, the main risk factors for ESBL infections were identified as: use of antibiotics the year preceding the admission, duration of catheter use, and bladder washout (p=0.012, p=0.019, and p<0.001. CONCLUSIONS: Urologists have to perform a good hemostasis, especially in endoscopic resections, in order to avoid bladder irrigation and bladder washout and to reduce the time of bladder catheterization, which is a strong risk factor of nosocomial UTIs.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».