Infectious diseases, comorbidities and outcomes in hospitalized people who inject drugs (PWID)
Notice bibliographique
Résumé
Injection drug use poses a public health challenge. Clinical experience indicates that people who inject drugs (PWID) are hospitalized frequently for infectious diseases, but little is known about outcomes when admitted. Charts were identified from local hospitals between 2013-2018 using consultation lists and hospital record searches. Included individuals injected drugs in the past six months and presented with infection. Charts were accessed using the hospital information system, undergoing primary and secondary reviews using Research Electronic Data Capture (REDCap). The Wilcoxon rank-sum test was used for comparisons between outcome categories. Categorical data were summarized as count and frequency, and compared using Fisher's exact test. Of 240 individuals, 33% were admitted to the intensive care unit, 36% underwent surgery, 12% left against medical advice (AMA), and 9% died. Infectious diagnoses included bacteremia (31%), abscess (29%), endocarditis (29%), cellulitis (20%), sepsis (10%), osteomyelitis (9%), septic arthritis (8%), pneumonia (7%), discitis (2%), meningitis/encephalitis (2%), or other (7%). Sixty-six percent had stable housing and 60% had a family physician. Fifty-four percent of patient-initiated discharges were seen in the emergency department within 30 days and 29% were readmitted. PWID are at risk for infections. Understanding their healthcare trajectory is essential to improve their care.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».