Bacterial Superinfections Among Persons With Coronavirus Disease 2019: A Comprehensive Review of Data From Postmortem Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Limited clinical data suggest a ~16% prevalence of bacterial superinfections among critically ill patients with coronavirus disease 2019 (COVID-19). Methods We reviewed postmortem studies of patients with COVID-19 published in English through September 26, 2020, for histopathologic findings consistent with bacterial lung infections. Results Worldwide, 621 patients from 75 studies were included. The quality of data was uneven, likely because identifying superinfections was not a major objective in 96% (72/75) of studies. Histopathology consistent with a potential lung superinfection was reported in 32% (200/621) of patients (22–96 years old; 66% men). Types of infections were pneumonia (95%), abscesses or empyema (3.5%), and septic emboli (1.5%). Seventy-three percent of pneumonias were focal rather than diffuse. The predominant histopathologic findings were intra-alveolar neutrophilic infiltrations that were distinct from those typical of COVID-19-associated diffuse alveolar damage. In studies with available data, 79% of patients received antimicrobial treatment; the most common agents were beta-lactam/beta-lactamase inhibitors (48%), macrolides (16%), cephalosoprins (12%), and carbapenems (6%). Superinfections were proven by direct visualization or recovery of bacteria in 25.5% (51/200) of potential cases and 8% of all patients in postmortem studies. In rank order, pathogens included Acinetobacter baumannii, Staphylococcus aureus, Pseudomonas aeruginosa, and Klebsiella pneumoniae. Lung superinfections were the cause of death in 16% of potential cases and 3% of all patients with COVID-19. Conclusions Potential bacterial lung superinfections were evident at postmortem examination in 32% of persons who died with COVID-19 (proven, 8%; possible, 24%), but they were uncommonly the cause of death.
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.
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 | 0,000 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,000 | 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 découle