Carbapenem Resistance, Initial Antibiotic Therapy, and Mortality in<i>Klebsiella pneumoniae</i>Bacteremia: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND Mortality associated with infections caused by carbapenem-resistant Enterobacteriaceae (CRE) is higher than mortality due to carbapenem-sensitive pathogens. OBJECTIVE To examine the association between mortality from bacteremia caused by carbapenem-resistant (CRKP) and carbapenem-sensitive Klebsiella pneumoniae (CSKP) and to assess the impact of appropriate initial antibiotic therapy (IAT) on mortality. DESIGN Systematic review and meta-analysis METHODS We searched MEDLINE, EMBASE, CINAHL, and Wiley Cochrane databases through August 31, 2016, for observational studies reporting mortality among adult patients with CRKP and CSKP bacteremia. Search terms were related to Klebsiella, carbapenem-resistance, and infection. Studies including fewer than 10 patients per group were excluded. A random-effects model and meta-regression were used to assess the relationship between carbapenem-resistance, appropriateness of IAT, and mortality. RESULTS Mortality was higher in patients who had CRKP bacteremia than in patients with CSKP bacteremia (15 studies; 1,019 CRKP and 1,148 CSKP patients; unadjusted odds ratio [OR], 2.2; 95% confidence interval [CI], 1.8-2.6; I2=0). Mortality was lower in patients with appropriate IAT than in those without appropriate IAT (7 studies; 658 patients; unadjusted OR, 0.5; 95% CI, 0.3-0.8; I2=36%). CRKP patients (11 studies; 1,326 patients; 8-year period) were consistently less likely to receive appropriate IAT (unadjusted OR, 0.5; 95% CI, 0.3-0.7; I2=43%). Our meta-regression analysis identified a significant association between the difference in appropriate IAT and mortality (OR per 10% difference in IAT, 1.3; 95% CI, 1.0-1.6). CONCLUSIONS Appropriateness of IAT is an important contributor to the observed difference in mortality between patients with CRKP bacteremia and patients with CSKP bacteremia. Infect Control Hosp Epidemiol 2017;38:1319-1328.
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 | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».