Assessment of risk factors for early-onset deep surgical site infection following primary total hip arthroplasty for osteoarthritis
Notice bibliographique
Résumé
Abstract. The aim of this study was to determine the incidence, annual trend, and perioperative outcomes and identify risk factors of early-onset (≤90 d) deep surgical site infection (SSI) following primary total hip arthroplasty (THA) for osteoarthritis. We performed a retrospective study using prospectively collected patient-level data from January 2013 to March 2020. The diagnosis of deep SSI was based on the published Centre for Disease Control/National Healthcare Safety Network (CDC/NHSN) definition. The Mann–Kendall trend test was used to detect monotonic trends. Secondary outcomes were 90 d mortality and 90 d readmission. A total of 22 685 patients underwent primary THA for osteoarthritis. A total of 46 patients had a confirmed deep SSI within 90 d of surgery representing a cumulative incidence of 0.2 %. The annual infection rate decreased over the 7-year study period (p=0.026). Risk analysis was performed on 15 466 patients. Risk factors associated with early-onset deep SSI included a BMI > 30 kg m−2 (odds ratio (OR) 3.42 [95 % CI 1.75–7.20]; p<0.001), chronic renal disease (OR, 3.52 [95 % CI 1.17–8.59]; p=0.011), and cardiac illness (OR, 2.47 [1.30–4.69]; p=0.005), as classified by the Canadian Institute for Health Information. Early-onset deep SSI was not associated with 90 d mortality (p=0.167) but was associated with an increased chance of 90 d readmission (p<0.001). This study establishes a reliable baseline infection rate for early-onset deep SSI after THA for osteoarthritis through the use of a robust methodological process. Several risk factors for early-onset deep SSI are potentially modifiable, and therefore targeted preoperative interventions of patients with these risk factors is encouraged.
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 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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».