The microbiology of diabetic foot infections: a meta-analysis
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
BACKGROUND: Diabetic foot ulcers are a common complication of poorly controlled diabetes and often become infected, termed diabetic foot infection. There have been numerous studies of the microbiology of diabetic foot infection but no meta-analysis has provided a global overview of these data. This meta-analysis aimed to investigate the prevalence of bacteria isolated from diabetic foot infections using studies of any design which reported diabetic foot infection culture results. METHODS: The Medline, EMBASE, Web of Science and BIOSIS electronic databases were searched for studies published up to 2019 which contained microbiological culture results from at least 10 diabetic foot infection patients. Two authors independently assessed study eligibility and extracted the data. The main outcome was the prevalence of each bacterial genera or species. RESULTS: = 93.8% [93.0-94.5%]) was MRSA. Other highly prevalent organisms were Pseudomonas spp., E. coli and Enterococcus spp. A correlation was identified between Gross National Income and the prevalence of Gram positive or negative organisms in diabetic foot infections. CONCLUSION: The microbiology of diabetic foot infections is diverse, but S. aureus predominates. The correlation between the prevalence of Gram positive and negative organisms and Gross National Income could reflect differences in healthcare provision and sanitation. This meta-analysis has synthesised multiple datasets to provide a global overview of the microbiology of diabetic foot infections that will help direct the development of novel therapeutics.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle