The Causative Organism of Urinary Tract Infections UTI: a Cross-sectional Study from a Tertiary Hospital In Saudi Arabia
Notice bibliographique
Résumé
BACKGROUND: Urinary tract infections (UTIs) are a common disease with a high burden on the healthcare industry. A systematic exploration is necessary of the organisms that cause UTIs, to improve empirical management of patients with acute illness before culture results are obtained. The prevalence of these organisms, both in immunocompetent and immunocompromised patients in Saudi Arabia, needs further clarification. METHODS: This is a cross-sectional analysis reviewing the charts of patients visiting the emergency department of, and those admitted to, a tertiary hospital in Saudi Arabia during the month of July-August 2021. RESULT: The total number of participants was 199, with a mean age of 55.8 years (SD=20.02), ranging from 14 to 97 years. 61.8% of patients were immunocompromised, and one-third were from the oncology wards. 40.7% (n=81) were diabetics and 8.54% (n=17) had CKD/ESRD. Females were 25% more likely than males to acquire Candida infections, while Pseudomonas aeruginosa was 26.7% more prevalent in males. Nevertheless, mixed gram-negative bacteria caused the most UTIs, in 40.20% (n=80) of cases, followed by Candida, 16.1% (n=32), and then mixed gram-positive bacteria, in 14.57% (n=29). This was also observed among immunocompromised patients and the subsegment of oncology patients on active chemotherapy, although with variable percentages. CONCLUSION: This study demonstrates that patients’ immune status is the main determinant of the causative organism of UTIs. The treatment threshold for Candida in diabetic patients and those with CKD/ESRD should be lower, especially when they require admission.
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 | 0,009 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 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 ».