Real-world, Multicenter Experience With Meropenem-Vaborbactam for Gram-Negative Bacterial Infections Including Carbapenem-Resistant <i>Enterobacterales</i> and <i>Pseudomonas aeruginosa</i>
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 We aimed to describe the clinical characteristics and outcomes of patients treated with meropenem-vaborbactam (MEV) for a variety of gram-negative infections (GNIs), primarily including carbapenem-resistant Enterobacterales (CRE). Methods This is a real-world, multicenter, retrospective cohort within the United States between 2017 and 2020. Adult patients who received MEV for ≥72 hours were eligible for inclusion. The primary outcome was 30-day mortality. Classification and regression tree analysis (CART) was used to identify the time breakpoint (BP) that delineated the risk of negative clinical outcomes (NCOs) and was examined by multivariable logistic regression analysis (MLR). Results Overall, 126 patients were evaluated from 13 medical centers in 10 states. The most common infection sources were respiratory tract (38.1%) and intra-abdominal (19.0%) origin, while the most common isolated pathogens were CRE (78.6%). Thirty-day mortality and recurrence occurred in 18.3% and 11.9%, respectively. Adverse events occurred in 4 patients: nephrotoxicity (n = 2), hepatoxicity (n = 1), and rash (n = 1). CART-BP between early and delayed treatment was 48 hours (P = .04). MEV initiation within 48 hours was independently associated with reduced NCO following analysis by MLR (adusted odds ratio, 0.277; 95% CI, 0.081–0.941). Conclusions Our results support current evidence establishing positive clinical and safety outcomes of MEV in GNIs, including CRE. We suggest that delaying appropriate therapy for CRE significantly increases the risk of NCOs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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