Peritoneal Dialysis–Related Infection Rates and Outcomes: Results From the Peritoneal Dialysis Outcomes and Practice Patterns Study (PDOPPS)
Notice bibliographique
Résumé
RATIONALE & OBJECTIVE: Peritoneal dialysis (PD)-related peritonitis carries high morbidity for PD patients. Understanding the characteristics and risk factors for peritonitis can guide regional development of prevention strategies. We describe peritonitis rates and the associations of selected facility practices with peritonitis risk among countries participating in the Peritoneal Dialysis Outcomes and Practice Patterns Study (PDOPPS). STUDY DESIGN: Observational prospective cohort study. SETTING & PARTICIPANTS: 7,051 adult PD patients in 209 facilities across 7 countries (Australia, New Zealand, Canada, Japan, Thailand, United Kingdom, United States). EXPOSURES: Facility characteristics (census count, facility age, nurse to patient ratio) and selected facility practices (use of automated PD, use of icodextrin or biocompatible PD solutions, antibiotic prophylaxis strategies, duration of PD training). OUTCOMES: Peritonitis rate (by country, overall and variation across facilities), microbiology patterns. ANALYTICAL APPROACH: Poisson rate estimation, proportional rate models adjusted for selected patient case-mix variables. RESULTS: 2,272 peritonitis episodes were identified in 7,051 patients (crude rate, 0.28 episodes/patient-year). Facility peritonitis rates were variable within each country and exceeded 0.50/patient-year in 10% of facilities. Overall peritonitis rates, in episodes per patient-year, were 0.40 (95% CI, 0.36-0.46) in Thailand, 0.38 (95% CI, 0.32-0.46) in the United Kingdom, 0.35 (95% CI, 0.30-0.40) in Australia/New Zealand, 0.29 (95% CI, 0.26-0.32) in Canada, 0.27 (95% CI, 0.25-0.30) in Japan, and 0.26 (95% CI, 0.24-0.27) in the United States. The microbiology of peritonitis was similar across countries, except in Thailand, where Gram-negative infections and culture-negative peritonitis were more common. Facility size was positively associated with risk for peritonitis in Japan (rate ratio [RR] per 10 patients, 1.07; 95% CI, 1.04-1.09). Lower peritonitis risk was observed in facilities that had higher automated PD use (RR per 10 percentage points greater, 0.95; 95% CI, 0.91-1.00), facilities that used antibiotics at catheter insertion (RR, 0.83; 95% CI, 0.69-0.99), and facilities with PD training duration of 6 or more (vs <6) days (RR, 0.81; 95% CI, 0.68-0.96). Lower peritonitis risk was seen in facilities that used topical exit-site mupirocin or aminoglycoside ointment, but this association did not achieve conventional levels of statistical significance (RR, 0.79; 95% CI, 0.62-1.01). LIMITATIONS: Sampling variation, selection bias (rate estimates), and residual confounding (associations). CONCLUSIONS: Important international differences exist in the risk for peritonitis that may result from varied and potentially modifiable treatment practices. These findings may inform future guidelines in potentially setting lower maximally acceptable peritonitis rates.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».