Differences in the incidence of urinary tract infections between neurogenic and non‐neurogenic bladder dysfunction individuals performing intermittent catheterization
Notice bibliographique
Résumé
PURPOSE: To measure the incidence and severity of urinary tract infections (UTI) in intermittent catheter (IC) users with neurogenic and non-neurogenic diagnoses. MATERIALS AND METHODS: Administrative health insurance claims data from the IBM MarketScan® Database between January 1, 2015 and December 31, 2019, were analyzed. New IC-users with neurogenic lower urinary tract dysfunction (NLUTD); IC-users without NLUTD (non-NLUTD); and age-and-sex-matched general population without IC use (GEN) were compared. Individuals were followed for one year after initial IC utilization or random index date for GEN. The primary outcome was a patient seeing a physician or attending a hospital for a UTI (measured with a primary or secondary diagnosis code related to a UTI). UTI incidence, hospitalizations, and length of hospital stay were compared. RESULT: We identified 6944 NLUTD, 5102 non-NLUTD, and 120 426 GEN individuals. The annualized UTI incidence was higher in IC-users (54.9% NLUTD IC-users and 38.9% non-NLUTD IC-users) compared to GEN individuals (9.8%) (p < 0.001 between groups). Hospitalization for UTI was more common in NLUTD and non-LUTD (11.3% and 4.0%, respectively) compared with GEN individuals (1.0%) (p < 0.001 between groups). NLUTD individuals had a greater average length of hospital stay than non-NLUTD (2.2 ± 3.6 vs. 1.6 ± 2.1 days, p < 0.001). CONCLUSION: IC users had a significantly higher incidence of UTIs than the general population. NLUTD IC-users had a higher incidence of UTIs that required hospitalization compared to non-NLUTD individuals. Strategies to decrease the patient and healthcare burden of UTIs in those that catheterize should be prioritized.
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) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».