The Impact of COVID-19 Pandemic on Health Care-Associated Infections in Intensive Care Units: Results From the Egypt National Health Care-Associated Infections Surveillance, 2019-2020
Notice bibliographique
Résumé
Background The COVID-19 pandemic resulted in the unexpected influx of patients leading to high rates of hospitalization. Focusing resources to mitigate the pandemic unintentionally reduced attention to health care-associated infections (HAIs) prevention programs. Intensive care units (ICUs) have suffered the most burden due to requirement of ventilation. Objective In this paper, we aimed to estimate the national HAI rates at ICUs before and during the COVID-19 pandemic to better identify the pandemic’s impact on HAIs. Methods Egypt’s HAI Surveillance was established in 2016 in 177 governmental ICUs. CDC case definitions and questionnaire were used to collect patients’ data. The types of HAIs targeted included bloodstream infections, pneumonia, and urinary tract infections. Pathogen identification and antimicrobial resistance were performed at the central laboratory. Surveillance data 2019-2020 were obtained, and a descriptive data analysis was performed. HAI rates per 100 patient days and device-associated infections (DAIs) per 1000 device days were compared between 2019 and 2020. Results In 2020, 4028 HAIs were reported, including 777 (19.3%) ICU-acquired reports; however, in 2019, 6242 were reported, including 1084 (17.4%) ICU-acquired ones. Incidence significantly decreased in 2020 compared with 2019 (2.67 vs 2.72, P<.001). The percentages of bloodstream infections, pneumonia, and urinary tract infection in 2020, compared with 2019, were 64.0% versus 61.6%, 10.9% versus 12.1%, and 25.1% versus 23.8%, respectively. DAIs decreased significantly, including CLABSI (2.6 vs 2.5, P<.001), VAP (0.75 vs 0.87, P=.04), and CAUTI (1.5 vs 1.6, P=.02). Klebsiella spp. was the predominant pathogen in both years representing (35.6% and 38.1%), followed by S. aureus (11.2% and 15.4%). The rate of carbapenem-resistant K. pneumoniae insignificantly increased (25% vs 23%, P=0.3), and that of Methicillin-resistant S. aureus decreased (68% vs 70%, P=0.4). Conclusions Egypt’s HAI Surveillance successfully described the impact of COVID-19 pandemic on HAIs. It identified a significant decrease in ICU-acquired HAIs and DAIs at the first pandemic year, which could reflect better the infection control measures. The types of HAIs, causative pathogens, and antimicrobial resistance pattern did not change significantly. Surveillance should be maintained to guide HAIs’ preventive and control measures.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».