Self-Reported Diagnosis and Management of Surgical Site Infection Highlights Lack of Objective Measures and Treatment Guidance
Notice bibliographique
Résumé
Background: There is little guidance regarding empiric therapy for superficial surgical site infections (SSIs). Management of incisions with signs of SSI lacks consensus and management is variable among individual surgeons. Methods: The Surgical Infection Society was surveyed regarding management of SSIs. Cases were provided with varying wound descriptions, initial wound class (WC), post-operative day, and presence of a prosthesis. Responses were in multiple-choice format; statistics: χ 2 ; α = 0.05. Results: Seventy-eight members responded. For appearance scenarios, respondents believed that both mild erythema (55%) and clear drainage (64%) could be observed, whereas substantial (>3 cm) erythema or purulence should be treated with complete (22% and 50%) or partial (55% and 40%) opening of the incision. Degree of erythema did not influence administration of antibiotic agents, but purulence was more likely than clear drainage to be treated with antibiotics (38% vs. 6%; p < 0.001). There were no differences based on WC, except that clean cases were more likely than higher WC scenarios to be treated with gram-positive coverage alone (WC 1 [26%] vs. 2 [10%] vs. 3 [13%] vs. 4 [4%]; p < 0.001). Post-operative day (POD) three appeared to be an inflection point for more aggressive treatment of suspected incisional SSI, with fewer (POD 0 [86%] vs. POD day 3 [54%]; p < 0.001) reporting observation. Respondents were more likely to obtain imaging, start broad-spectrum antibiotic agents, and return to the operating room for purulence in the presence of a mesh. Conclusions: Presented with escalating possibility of SSI, respondents reported lower rates of observation, increased use of antibiotic agents, and increased surgical drainage. Many scenarios lack consensus regarding appropriate therapy. The complete elimination of SSIs is unlikely to be accomplished soon, and this study provides a framework for understanding how surgeons approach SSIs, and potential areas for further research or pragmatic guidance.
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 | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».