Periprosthetic Infection following Primary Hip and Knee Arthroplasty: The Impact of Limiting the Postoperative Surveillance Period
Notice bibliographique
Résumé
BACKGROUND Hip and knee arthroplasty infections are associated with considerable healthcare costs. The merits of reducing the postoperative surveillance period from 1 year to 90 days have been debated. OBJECTIVES To report the first pan-Canadian hip and knee periprosthetic joint infection (PJI) rates and to describe the implications of a shorter (90-day) postoperative surveillance period. METHODS Prospective surveillance for infection following hip and knee arthroplasty was conducted by hospitals participating in the Canadian Nosocomial Infection Surveillance Program (CNISP) using standard surveillance definitions. RESULTS Overall hip and knee PJI rates were 1.64 and 1.52 per 100 procedures, respectively. Deep incisional and organ-space hip and knee PJI rates were 0.96 and 0.71, respectively. In total, 93% of hip PJIs and 92% of knee PJIs were identified within 90 days, with a median time to detection of 21 days. However, 11%-16% of deep incisional and organ-space infections were not detected within 90 days. This rate was reduced to 3%-4% at 180 days post procedure. Anaerobic and polymicrobial infections had the shortest median time from procedure to detection (17 and 18 days, respectively) compared with infections due to other microorganisms, including Staphylococcus aureus. CONCLUSIONS PJI rates were similar to those reported elsewhere, although differences in national surveillance systems limit direct comparisons. Our results suggest that a postoperative surveillance period of 90 days will detect the majority of PJIs; however, up to 16% of deep incisional and organ-space infections may be missed. Extending the surveillance period to 180 days could allow for a better estimate of disease burden. Infect Control Hosp Epidemiol 2017;38:147-153.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».