Integrated Infectious Disease and Substance Use Disorder Care for the Treatment of Injection Drug Use–Associated Infections: A Prospective Cohort Study With Historical Control
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background To address the infectious disease (ID) and substance use disorder (SUD) syndemic, we developed an integrated ID/SUD clinical team rooted in harm reduction at a county hospital in Miami, Florida. The Severe Injection-Related Infection (SIRI) team treats people who inject drugs (PWID) and provides medical care, SUD treatment, and patient navigation during hospitalization and after hospital discharge. We assessed the impact of the SIRI team on ID and SUD treatment and healthcare utilization outcomes. Methods We prospectively collected data on patients seen by the SIRI team. A diagnostic code algorithm confirmed by chart review was used to identify a historical control group of patients with SIRI hospitalizations in the year preceding implementation of the SIRI team. The primary outcome was death or readmission within 90 days post–hospital discharge. Secondary outcomes included initiation of medications for opioid use disorder (MOUD) and antibiotic course completion. Results There were 129 patients included in the study: 59 in the SIRI team intervention and 70 in the pre-SIRI team control group. SIRI team patients had a 45% risk reduction (aRR, 0.55 [95% confidence interval CI, .32–.95]; 24% vs 44%) of being readmitted in 90 days or dying compared to pre-SIRI historical controls. SIRI team patients were more likely to initiate MOUD in the hospital (93% vs 33%, P < .01), complete antibiotic treatment (90% vs 60%, P < .01), and less likely to have patient-directed discharge (17% vs 37%, P = .02). Conclusions An integrated ID/SUD team was associated with improvements in healthcare utilization, MOUD initiation, and antibiotic completion for PWID with infections.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle