Incidence and Risk Factors Associated with Microbial Colonization of Burn Wounds: An Observational Study
Notice bibliographique
Résumé
Background: Microbial colonization of burn wounds leads to infection, which is a major cause of morbidity/mortality, prolonged admission, and cost. This study aims to investigate the incidence of positive burn wound colonization and its associated risk factors in a provincial referral center within a single-payer system. Methods: We performed a retrospective review of all adult (≥18 years) patients admitted to a single, tertiary burn center, with a primary burn diagnosis between January 2011 and 2021. Microbiology records were screened to identify patients with culture-positive burn wounds. Univariable and multivariable logistic regression analyses were used to evaluate risk factors associated with burn site colonization. Results: The sample included N = 634 participants. Most were male (72.1%), with a flame injury (62%), and had a mean age of 47.6 (±18.0) years and a TBSA of 13.5% (±14.8). The incidence of positive burn wound colonization was 27.3%. Increasing participant age, diabetic status, larger burn TBSA, presence of full-thickness burns, inhalation injury, and lower limb and trunk involvement were associated with statistically significant ( P ≤ .05) increased odds of a positive burn wound culture. Conclusion: This study provides an estimate of the incidence of primary burn wound colonization at a single, tertiary care, burn center as well as identifies potential risk factors associated with this outcome. Clinicians should consider closely monitoring patients with these risk factors for possible progression to clinical burn site infection. Future research should address strategies to mitigate colonization in patients with identified risk factors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».