MétaCan
Menu
Retour à la cohorte
Enregistrement W4312221787 · doi:10.1016/j.eclinm.2022.101781

Antimicrobial resistance and mortality following E. coli bacteremia

2022· article· en· W4312221787 sur OpenAlexafffundabout
Nick Daneman, Daniel Fridman, Jennie Johnstone, Bradley J. Langford, Samantha Lee, Derek M MacFadden, Kwadwo Mponponsuo, Samir Patel, Kevin L. Schwartz, Kevin A. Brown

Notice bibliographique

RevueEClinicalMedicine · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensOttawa HospitalHealth Sciences CentrePublic Health OntarioUniversity of TorontoInstitute for Clinical Evaluative SciencesSinai Health SystemSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health ResearchMinistry of Health -SingaporeOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicineCephalosporinOdds ratioInternal medicineBacteremiaDrug resistanceAntibioticsAntibiotic resistanceAntimicrobialLogistic regressionMicrobiologyBiology

Résumé

récupéré en direct d'OpenAlex

Background: Global estimates suggest millions of deaths annually are associated with antimicrobial resistance (AMR) but these are generated from scarce data on the relative risk of death attributable to drug-resistant versus drug-sensitive infections. Methods: bloodstream infection in Ontario, Canada between 2017 and 2020, and measured 90 day mortality among those with resistant versus sensitive isolates for each of 8 commonly used antibiotic classes and a category of difficult to treat resistance (DTTR). We used multivariable logistic regression to calculate an adjusted odds of mortality associated with AMR, after accounting for patient demographics, comorbidities, and prior healthcare exposure. Findings: bloodstream infection, resistance was most common to aminopenicillins (46.8%), followed by first generation cephalosporins (38.8%), fluoroquinolones (26.5%), sulfonamides (24.1%), third generation cephalosporins (13.8%), aminoglycosides (11.7%), beta-lactam-beta-lactamase-inhibitors (9.1%) and carbapenems (0.2%). Only 18 (0.1%) episodes exhibited DTTR. For each antibiotic class, the unadjusted odds of mortality (OR) were higher among resistant isolates, but after accounting for patient characteristics the adjusted odds (aOR) of mortality were attenuated: aminopenicillins (OR 1.22, 95% CI 1.12-1.33; aOR 1.09, 95% CI 0.99-1.20), first generation cephalosporins (OR 1.24, 95% CI 1.14-1.35; aOR 1.07, 95% CI 0.97-1.18), third generation cephalosporins (OR 1.64, 95% CI 1.47-1.82; aOR 1.29, 95% CI 1.15-1.46), beta-lactam-beta-lactamase-inhibitors (OR 1.69, 95% CI 1.52-1.89, aOR 1.28, 95% CI 1.13-1.45), carbapenems (OR 3.11, 95% CI 1.52-6.34; aOR 2.06, 95% CI 0.91-4.66), sulfonamides (OR 1.19, 95% CI 1.07-1.31, aOR 1.06, 95% CI 0.95-1.18), fluoroquinolones (OR 1.49, 95% CI 1.36-1.64, aOR 1.16, 95% CI 1.05-1.29), aminoglycosides (OR 1.43, 95% CI 1.27-1.62; aOR 1.27, 95% CI 1.11-1.46), and DTTR (OR 3.71, 95% CI 1.46-9.41; aOR 2.58, 95% CI 0.87-7.66). Interpretation: bloodstream infection, particularly for resistance to classes commonly used as empiric treatment. Surveillance for AMR-associated mortality should incorporate adjustment for patient characteristics and prior healthcare utilization. Funding: This work was supported by a project grant from CIHR (grant number 159503). This study was also supported by ICES, which is funded by an annual grant from Ontario Ministry of Health and Long-Term Care (MOHLTC).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,330
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,310
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetAntibiotic Resistance in BacteriaTravaux en français237 207