Urinary Tract Infections in Long-term Care: Evaluation of Uropathogens, Antibiotic Susceptibility, and Empiric Treatment
Notice bibliographique
Résumé
Objective To devise a residential empiric treatment algorithm, describe common uropathogens associated with urinary tract infections (UTIs) in residential care, assess all-pathogen and non-ESBL (extended-spectrum beta-lactamase) Escherichia coli antibiotic susceptibilities, and report the percentage of antibiotic use. Design A retrospective chart review of 198 residents with positive urine cultures from September 2019 to September 2020. Setting Institutional long-term care facility. Participants The exclusion criteria were negative urine culture, mixed organisms on urine culture, no antibiotic treatment, signs and symptoms of systemic infection, hospitalization because of systemic infection, and intravenous antibiotic treatment. The entire population was screened. Results The most prevalent pathogens were non-ESBL E. coli (29%), Proteus mirabilis (12%), Klebsiella pneumoniae (8%), and ESBL E. coli (8%). All-pathogen susceptibilities were 79.6% (amoxicillin/clavulanate), 64.1% (nitrofurantoin), 50.5% (sulfamethoxazole/trimethoprim), 43.7% (cephalexin), 42.7% (amoxicillin), and 41.8% (ciprofloxacin). Amoxicillin/clavulanate (96.7%), nitrofurantoin (90.0%) and sulfamethoxazole/trimethoprim (83.3%) demonstrated the highest non-ESBL E. coli susceptibilities. Nitrofurantoin was the most prescribed antibiotic (21%), followed by amoxicillin/clavulanate (19%) and ciprofloxacin (17%). Conclusion Based on the data, amoxicillin/clavulanate and nitrofurantoin are appropriate first-line options for empiric treatment of symptomatic cystitis in this long-term care facility, with sulfamethoxazole/trimethoprim as an alternative. Ciprofloxacin was overprescribed despite its low susceptibilities to commonly encountered pathogens, which emphasizes the need for a UTI empiric treatment algorithm tailored towards residential 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».