How the COVID-19 pandemic changed postoperative infections in urology wards: A retrospective cohort study from two urology departments
Notice bibliographique
Résumé
INTRODUCTION: We aimed to compare the rate of postoperative infection and drug-resistant organism (DRO) before and during the COVID-19 pandemic in urology departments. METHODS: A retrospective cohort study was carried out. Data from all elective surgical procedures carried out in two urology departments between April and June 2018 and the homologous period in 2020 were collected. Main outcomes were the number of postoperative infections during the pandemic and the number of DROs. Sample size was calculated based on a 50% relative reduction of infections during the pandemic. Variables were compared by Chi-squared test, and multivariable logistic regression was used to estimate predictors. RESULTS: A total of 698 patients undergoing elective surgery were included. The postoperative infection rate during the pre-pandemic period was of 14.1% compared to 12.1% during the pandemic (p=0.494). DROs were lower during the pandemic (92.3% vs. 52.4%, p=0.002). The pandemic period was the main predictor for reduced multidrug-resistant isolates, with an odds ratio of 0.10 (p=0.010, 95% confidence interval 0.016-0.57). CONCLUSIONS: Postoperative infection rates were not significantly reduced during the COVID-19 pandemic, despite the adoption of enhanced infection preventive measures. There was, however, a decrease in the rate of DROs during this period, suggesting a secondary benefit to enhanced infection prevention practices adopted during the COVID-19 era.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».