401. Predictors of Treatment Failure for Hip and Knee Prosthetic Joint Infections in the Setting of Prosthesis Removal: A Multi-Center Retrospective Cohort
Notice bibliographique
Résumé
Abstract Background Prosthetic hip and knee joint infections (PJIs) are challenging to eradicate despite prosthesis removal and long courses of antibiotics. We aimed to describe the risk factors for PJI treatment failure in a multicenter retrospective cohort. Methods A retrospective cohort of individuals who underwent prosthetic joint removal for a PJI at one of five hospitals in Toronto, Ontario, Canada from 2010–2014. Individuals eligible for the cohort were obtained by searching operative listings and PJIs were defined according to the criteria of the Musculoskeletal Infection Society. Treatment failure was defined as recurrent PJI, amputation, death or chronic antibiotic suppression. Potential risk factors for treatment failure were abstracted by chart review and assessed using a Cox proportional hazards model. Results 533 PJIs were analyzed over a median follow-up duration of 1102 days with 21 surgeons performing more than 5 revision arthroplasties for a PJI. Two-stage procedures were performed in 81% (430/533) and the most common organism was coagulase negative staphylococci (32%). Treatment failure occurred in 28% (150/533) over 1443 patient-years and was caused by a different bacterial species in 53% (56/105). On multivariate analysis the characteristics associated with PJI treatment failure included liver disease (adjusted hazard ratio (aHR) 3.12, 95% confidence interval (95% CI) 2.09–4.66), the presence of a sinus tract (aHR 1.53, 94% CI (1.12–2.10), preceding debridement with prosthesis retention (aHR 1.68, 95% CI 1.13–2.51), a one-stage procedure (aHR 1.72, 95% CI (1.28–2.32), and infection due to Gram-negative bacilli (aHR 1.35, 95% CI 1.04–1.76). Conclusion PJI treatment failure remains high despite prosthesis removal and the patient risk factors identified are non-modifiable. Novel treatment paradigms are urgently needed along with efforts to reduce orthopedic surgical site infections. Disclosures All authors: No reported disclosures.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».