The Role of Preoperative Antibiotics in Surgical Site Infection (SSI) Rate after Class I/Clean Gynaecologic Surgery at an Academic Safety Net Hospital
Notice bibliographique
Résumé
OBJECTIVES: Examine whether preoperative antibiotics in class I/clean abdominal gynaecologic surgery decrease the incidence of surgical site infections (SSI). METHODS: Retrospective cohort study at academic safety net hospital of patients undergoing class I laparoscopic or open gynaecologic surgery between November 2013 and September 2017. Performance improvement initiative to administer preoperative antibiotics to all surgical patients starting July 2016. RESULTS: In total, 510 patients were included: 283 in the antibiotic group and 227 in the no-antibiotic group. PRIMARY OUTCOME: incidence of SSI. Baseline characteristics were similar between groups once balanced by propensity score method. In unweighted analysis, incidence of SSI decreased from 9.3% (21/227) in the no-antibiotics group to 4.9% (14/283) in antibiotics group, but this was not statistically significant (odds ratio (OR) 0.51 CI 0.25-1.03, P = 0.0598). Following of inverse probability of treatment weighting adjustments in weighted analysis, incidence of SSI was found to be significantly lower in patients who received antibiotics compared to patients who did not receive antibiotics across entry types (4.6% vs. 9.8%, OR 0.45; CI 0.22-0.90, P = 0.023). Weighted analysis demonstrated in the exploratory laparotomy group patients who received antibiotics had a lower incidence of SSI compared to patients who did not receive antibiotics (5.1% vs. 18.7%, OR 0.23; CI 0.08-0.68, P = 0.008). In the laparoscopy group, there was no difference between groups (4.4% vs. 5.4%, OR 0.81; CI 0.3-2.16, P = 0.675). CONCLUSIONS: There is limited literature on SSI prevention/preoperative antibiotic use in class I gynaecologic surgeries. This study demonstrates antibiotics in class I procedures decrease SSI rates, specifically in open procedures. There was a lack of demonstrated benefit in laparoscopy.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».