Recurrence of Clostridium difficile Infection in Patients with Inflammatory Bowel Disease: The RECIDIVISM Study
Notice bibliographique
Résumé
OBJECTIVES: Recurrent Clostridium difficile infection (rCDI) contributes to a significant burden of disease in patients with inflammatory bowel disease (IBD). In this study, we seek to identify risk factors for rCDI in a population of IBD patients at the Mount Sinai Hospital IBD Centre. METHODS: In this retrospective cohort study, IBD patients with rCDI diagnosed between 2010 and 2013 were identified and compared with IBD patients with single-episode CDI. Multivariate regression was used to identify predictors of rCDI in IBD. Outcome analysis was performed for hospitalizations due to CDI, colectomy, and CDI-attributable mortality. RESULTS: A total of 503 patients were included, 110 (22%) of whom had IBD (49% CD, 51% ulcerative colitis). Recurrent CDI occurred in 32% of IBD patients compared with 24% of non-IBD patients (P<0.01). IBD patients with rCDI were more likely than those without rCDI to report recent antibiotic therapy (42.9 vs. 30.7%, P<0.01), 5-aminosalicylic acid (5-ASA) use (51.5 vs. 30.7%, P<0.001), steroid use (51.4 vs. 33.3%, P<0.001), and biologic therapy (48.6 vs. 40.0%, P<0.01). Infliximab (34.3 vs. 17.3%, P<0.01) but not adalimumab was associated with more rCDI events. Using a Cox model of predictors of rCDI in IBD, significant predictors included non-ileal Crohn's disease (hazard ratio (HR) 2.85, 95% confidence interval (CI) 1.30-6.30) and the use of 5-ASA (HR 2.15, 95% CI 1.11-4.18). CONCLUSIONS: Compared with the general population, IBD patients are 33% more likely to experience rCDI. Within the IBD cohort, exposure to certain drug classes (antibiotics, 5-ASA, steroids, certain biologics) and non-ileal Crohn's disease were found to be the predictors of rCDI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».