Identification of Factors Impacting Recurrent Clostridium difficile Infection and Development of a Risk Evaluation Tool
Notice bibliographique
Résumé
PURPOSE: Recurrent Clostridium difficile infection (RCDI) is a growing concern, yet limited data exists to clarify which patients are at highest risk. Identification of these patients may better inform decisions of those who may benefit from prophylactic intervention. The purpose of this study was to determine which factors are associated with the recurrence of Clostridium difficile infection (CDI) and to develop a risk stratification tool. Methods. Patients readmitted within 10 weeks of positive C. difficile polymerase chain reaction (PCR) with symptoms were included in this retrospective case control study. The primary outcome was analyzed via univariate regression analyses of the independent factors including age, gender, number of CDI episodes, administration of acid blocking agents, antibiotics or chemotherapy, Charlson Comorbidity Index, gastrointestinal conditions, and exposure to healthcare facilities. Results. Recurrent CDI was identified in 44 of 220 included patients. In the univariate analysis, factors associated with development of RCDI included antibiotic exposure (OR 2.51, 95% CI 1.14-5.54; p 0.02) and inflammatory bowel disease (OR 5.77, 95% CI 1.24-26.79; p 0.03). An evaluation tool was created from a well-fit model. Additional factors included in the tool were chosen based on evaluation of findings from existing literature. Conclusions. Antibiotic therapy and inflammatory bowel disease were found to be associated with RCDI. Although a statistically significant association with RCDI was not found for other factors, this is likely related to small sample size. The creation of an evaluation tool using specific patient factors can help determine the risk of RCDI, while future studies may validate this tool. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.
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 | 0,016 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».