MétaCan
Menu
Retour à la cohorte
Enregistrement W3176555961 · doi:10.1186/s12879-021-06326-x

Mortality in Escherichia coli bloodstream infections: a multinational population-based cohort study

2021· article· en· W3176555961 sur OpenAlexaffabout
Melissa C. MacKinnon, Scott A. McEwen, David L. Pearl, Outi Lyytikäinen, Gunnar Jacobsson, Peter Collignon, Daniel B. Gregson, Louis Valiquette, Kevin B. Laupland

Notice bibliographique

RevueBMC Infectious Diseases · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensAlberta Health ServicesRoyal Inland HospitalUniversité de SherbrookeUniversity of CalgaryUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDemographyCase fatality rateMedicineMortality ratePopulationOdds ratioCohortLogistic regressionPoisson regressionCohort studyInternal medicineEpidemiologyPediatricsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Escherichia coli is the most common cause of bloodstream infections (BSIs) and mortality is an important aspect of burden of disease. Using a multinational population-based cohort of E. coli BSIs, our objectives were to evaluate 30-day case fatality risk and mortality rate, and determine factors associated with each. METHODS: During 2014-2018, we identified 30-day deaths from all incident E. coli BSIs from surveillance nationally in Finland, and regionally in Sweden (Skaraborg) and Canada (Calgary, Sherbrooke, western interior). We used a multivariable logistic regression model to estimate factors associated with 30-day case fatality risk. The explanatory variables considered for inclusion were year (2014-2018), region (five areas), age (< 70-years-old, ≥70-years-old), sex (female, male), third-generation cephalosporin (3GC) resistance (susceptible, resistant), and location of onset (community-onset, hospital-onset). The European Union 28-country 2018 population was used to directly age and sex standardize mortality rates. We used a multivariable Poisson model to estimate factors associated with mortality rate, and year, region, age and sex were considered for inclusion. RESULTS: From 38.7 million person-years of surveillance, we identified 2961 30-day deaths in 30,923 incident E. coli BSIs. The overall 30-day case fatality risk was 9.6% (2961/30923). Calgary, Skaraborg, and western interior had significantly increased odds of 30-day mortality compared to Finland. Hospital-onset and 3GC-resistant E. coli BSIs had significantly increased odds of mortality compared to community-onset and 3GC-susceptible. The significant association between age and odds of mortality varied with sex, and contrasts were used to interpret this interaction relationship. The overall standardized 30-day mortality rate was 8.5 deaths/100,000 person-years. Sherbrooke had a significantly lower 30-day mortality rate compared to Finland. Patients that were either ≥70-years-old or male both experienced significantly higher mortality rates than those < 70-years-old or female. CONCLUSIONS: In our study populations, region, age, and sex were significantly associated with both 30-day case fatality risk and mortality rate. Additionally, 3GC resistance and location of onset were significantly associated with 30-day case fatality risk. Escherichia coli BSIs caused a considerable burden of disease from 30-day mortality. When analyzing population-based mortality data, it is important to explore mortality through two lenses, mortality rate and case fatality risk.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,817

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,280
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetAntibiotic Resistance in BacteriaTravaux en français237 207