Antimicrobial prophylaxis in companion animal surgery: A scoping review for European Network for Optimization of Antimicrobial Therapy (ENOVAT) guidelines
Notice bibliographique
Résumé
Surgical antimicrobial prophylaxis (SAP) is widely used to reduce the risk of surgical site infections (SSI), but there is uncertainty as to what the proportion of SSI reduction is. Therefore, it is difficult for surgeons to properly weigh the costs, risks and benefits for individual patients when deciding on the use of SAP, making it challenging to promote antimicrobial stewardship in primary practice settings. The objective of this study was to map the veterinary evidence focused on assessing the effect of SAP on SSI development and in order to identify surgical procedures with some research evidence and possible knowledge gaps. In October 2021 and December 2022, Scopus, CAB Abstracts, Web of Science Core Collection, Embase and MEDLINE were systematically searched. Double blinded screening of records was performed to identify studies in companion animals that reported on the use of SAP and SSI rates. Comparative data were available from 34 out of 39123 records screened including: eight randomised controlled trials (RCT), 23 cohort studies (seven prospective and 16 retrospective) and three retrospective case series representing 12476 dogs and cats in total. Extracted data described peri- or post-operative SAP in nine, and 25 studies, respectively. In the eight RCTs evaluating SAP in companion animals, surgical procedure coverage was skewed towards orthopaedic stifle surgeries in referral settings and there was large variation in SAP protocols, SSI definitions and follow-up periods. More standardized data collection and agreement of SSI definitions is needed to build stronger evidence for optimized patient care.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».