Treatment of Clostridium difficile infection in community teaching hospital: a retrospective study
Notice bibliographique
Résumé
OBJECTIVES: Clostridium difficile infection (CDI) is responsible for 15-25% cases of health-care-associated diarrhea. The CDI treatment algorithm used at our hospital is adapted from the Infectious Diseases Society of America 2010 C. difficile guideline. The primary objective of this study was to assess the treatment adherence to our algorithm; this was defined as therapy consisting of the appropriate antibiotic, dose, route, interval, and duration indicated based on the disease severity and episode within 24 h of diagnosis. Furthermore, our study also described the population and their risk factors for CDI at our hospital. METHODS: This was a single-centre, retrospective cohort chart review of CDI cases that were diagnosed at admission or during hospitalization from June 1st, 2017 to June 30th, 2018. Cases were identified by a positive stool test along with watery diarrhea or by colonoscopy. RESULTS: Sixty cases were included, of which adherence to our algorithm was 50%. Overall, severe CDI had the highest treatment non-adherence (83%), and the biggest contributing factor was prescribing the wrong antibiotic (72%). In severe CDI, which warrants vancomycin monotherapy, wrong antibiotic consisted of metronidazole monotherapy (55%) or dual therapy with metronidazole and vancomycin (45%). Patients were mostly older, females being treated for an initial episode of mild-to-moderate CDI. Common risk factors identified were age over 65 years (80%), use of antibiotics (83%) and proton pump inhibitors (PPI) (68%) within the previous 3 months. The use of a PPI in this study, a modifiable risk factor without a clear indication, was 35%. CONCLUSION: An area for antimicrobial stewardship intervention in CDI treatment at our hospital is prescribing the right antibiotic based on the CDI indication. In severe CDI, an emphasis should be on prescribing vancomycin monotherapy as the drug of choice. PPI use should be reassessed for tapering when appropriate.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».