Different drugs, different sides: injection use of opioids alone, and not stimulants alone, predisposes to right-sided endocarditis
Notice bibliographique
Résumé
OBJECTIVES: Many studies suggest that infective endocarditis (IE) in people who inject drugs is predominantly right sided, while other studies suggest left sided disease; few have differentiated by class of drug used. We hypothesised that based on differing physiological mechanisms, opioids but not stimulants would be associated with right sided IE. METHODS: A retrospective case series of 290 adult (age ≥18) patients with self-reported recent injection drug use, admitted for a first episode of IE to one of three hospitals in London Ontario between April 2007 and March 2018, stratified patients by drug class used (opioid, stimulant or both), and by site of endocarditis. Other outcomes captured included demographics, causative organisms, cardiac and non-cardiac complications, referral to addiction services, medical versus surgical management, and survival. RESULTS: Of those who injected only opioids, 47/71 (69%) developed right-sided IE, 17/71 (25%) developed left-sided IE and 4/71 (6%) had bilateral IE. Of those who injected only stimulants, 11/24 (46%) developed right-sided IE, 11/24 (46%) developed left-sided IE and 2/24 (8%) had bilateral IE. Relative to opioid-only users, stimulant-only users were 1.75 (95% CI 1.05 to 2.93; p=0.031) times more likely to have a left or bilateral IE versus right IE. CONCLUSIONS: While injection use of opioids is associated with a strong predisposition to right-sided IE, stimulants differ in producing a balanced ratio of right and left-sided disease. As the epidemic of crystal methamphetamine injection continues unabated, the rate of left-sided disease, with its attendant higher morbidity and mortality, may also grow.
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) | 0,001 | 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 | 0,001 |
| 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 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 ».