Prevalence of Right- and Left-Sided Endocarditis Among Intravenous Drug Use Patients at a Large Academic Medical Center
Notice bibliographique
Résumé
Background: Left-sided infective endocarditis (IE) is increasingly being recognized among intravenous drug use (IVDU) patients. We sought to assess the trends and risk factors that contribute to left-sided IE in this high-risk population at University of Kentucky. Methods: A retrospective chart review of patients with the diagnosis of both IE and IVDU admitted at University of Kentucky was carried out from January 1, 2015 to December 31, 2019. Baseline characteristics, trends of endocarditis and clinical outcomes (mortality and in-hospital interventions) were recorded. Results: A total of 197 patients were admitted for management of endocarditis. One hundred and fourteen (57.9%) had right-sided endocarditis, 25 (12.7%) had combined left-sided and right-sided endocarditis, and 58 (29.4%) had left-sided endocarditis. Staphylococcus aureus was the most common pathogen. Mortality and inpatient surgical interventions were higher among patients with left-sided endocarditis. Patent foramen ovale (PFO) was the most common shunt found (3.1%), followed by atrial septal defect (ASD, 2.4%) with PFO being significantly more common among patients with left-sided endocarditis. Conclusion: Right-sided endocarditis continues to be predominant among IVDU patients and Staphylococcus aureus was the most common organism involved. Patients with evidence of left-sided disease were found to have significantly more PFO, needed more inpatient valvular surgeries, and had higher all-cause mortality. Further studies are needed to assess if PFO or ASD can increase the risk of acquiring left-sided endocarditis in IVDU. Cardiol Res. 2023;14(3):176-182 doi: https://doi.org/10.14740/cr1484
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».