The association between bacteria and outcome and the influence of sampling method, in people with a diabetic foot infection
Notice bibliographique
Résumé
PURPOSE: Different bacteria lead to divers diabetic foot infections (DFIs), and some bacteria probably lead to higher amputation and mortality risks. We assessed mortality and amputation risk in relation to bacterial profiles in people DFI and investigated the role of sampling method. METHODS: We included people (> 18 years) with DFI in this retrospective study (2011-2020) at a Dutch tertiary care hospital. We retrieved cultures according to best sampling method: (1) bone biopsy; (2) ulcer bed biopsy; and (3) swab. We aggregated data into a composite determinant, consisting of unrepeated bacteria of one episode of infection, clustered into 5 profiles: (1) Streptococcus and Staphylococcus aureus; (2) coagulase-negative Staphylococcus, Cutibacterium, Corynebacterium and Enterococcus; (3) gram-negative; (4) Anaerobic; and (5) less common gram-positive bacteria. We calculated Hazard Ratio's (HR's) using time-dependent-Cox regression for the analyses and investigated effect modification by sampling method. RESULTS: We included 139 people, with 447 person-years follow-up and 459 episodes of infection. Sampling method modified the association between bacterial profiles and amputation for profile 2. HR's (95% CI's) for amputation for bacterial profiles 1-5: 0.7 (0.39-1.1); stratified analysis for profile 2: bone biopsy 0.84 (0.26-2.7), ulcer bed biopsy 0.89 (0.34-2.3), swab 5.9*(2.9-11.8); 1.3 (0.78-2.1); 1.6 (0.91-2.6); 1.6 (0.58-4.5). HR's (95% CI's) for mortality for bacterial profiles 1-5: 0.89 (0.49-1.6); 0.73 (0.38-1.4); 2.6*(1.4-4.8); 1.1(0.58-2.2); 0.80(0.19-3.3). CONCLUSIONS: In people with DFI, there was no association between bacterial profiles in ulcer bed and bone biopsies and amputation. Only in swab cultures, low-pathogenic bacteria (profile 2), were associated with a higher amputation risk. Infection with gram-negative bacteria was associated with a higher mortality risk. This study underlined the possible negative outcome of DFI treatment based on swabs cultures.
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 | 0,003 | 0,010 |
| 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 | 0,001 |
| 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 ».