Risk Factors for Community-associated Clostridium difficile-associated Diarrhea in Children
Notice bibliographique
Résumé
BACKGROUND: Clostridium difficile-associated diarrhea (CDAD) is increasingly diagnosed in children in community settings. This study aims to assess recent antibiotic use and other risk factors in children with community-associated (CA-) CDAD compared with children with other diarrheal illnesses in a tertiary care setting. METHODS: Children with CA-CDAD evaluated at Texas Children's Hospital (Houston, TX) from January 1, 2012 to June 30, 2013 were identified. Two control subjects with community-associated diarrhea who tested negative for C. difficile were matched to case subjects. Data on demographics, medication exposure and outpatient healthcare encounters were collected from medical records. Multivariate logistic regression was performed to identify predictors of pediatric CA-CDAD. RESULTS: Of 69 CA-CDAD cases, most (62.3%) had an underlying chronic medical condition and 40.6% had antibiotic exposure within 30 days of illness. However, no traditional risk factor for CDAD was identified in 23.2% and 15.9% of CA-CDAD cases within 30 and 90 days of illness onset, respectively. Outpatient healthcare encounters within 30 days were more common among CA-CDAD cases than control subjects (66.7% vs. 48.6%; P = 0.01). In the final multivariate model, CA-CDAD was associated with cephalosporin use within 30 days [odds ratio: 3.32; 95% confidence interval: 1.10-10.01] and the presence of a gastrointestinal feeding device (odds ratio: 2.59; 95% confidence interval: 1.07-6.30). CONCLUSIONS: Recent use of cephalosporins and the presence of gastrointestinal feeding devices are important risk factors for community- associated CDAD in children. Reduction in the use of outpatient antibiotics may decrease the burden of CA-CDAD in children.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».