Most Common Pathogens Causing Rhinosinusitis in Patients Who Underwent Endoscopic Sinus Surgery Before, During, and After the COVID-19 Pandemic
Notice bibliographique
Résumé
Importance Chronic rhinosinusitis (CRS) significantly impacts patients’ quality of life and incurs substantial healthcare costs. Understanding pathogen trends before, during, and after the COVID-19 pandemic can inform better management and treatment strategies. Objective To identify the common pathogens associated with CRS and compare them across pre-pandemic, during-pandemic, and post-pandemic periods. Design Retrospective chart review. Setting McGill University Health Centre, Montreal, Canada. Participants Around 147 patients were 18 years and older, diagnosed with CRS, underwent endoscopic sinus surgery within the specified timeframe (January 2017 to September 2023), and whose charts contained relevant microbiology information. Patients were categorized into 3 groups based on surgery dates: pre- (January 2018 to November 2019), during- (January 2020 to December 2021), and post-pandemic (February 2022 to September 2023). Main Outcome Measures Distribution and prevalence of pathogens associated with CRS across the 3 time periods. Microbiology results from nasal cultures were analyzed to identify predominant pathogens. Results Among the 147 patients, 46 distinct organisms were identified. Staphylococcus aureus was the most prevalent pathogen, increasing during the COVID-19 period (24.7%) compared to pre-pandemic (17.9%) and post-pandemic (21.5%) periods. Significant increases during the COVID-19 period were noted for Aspergillus fumigatus (6.8%, P < .001), Enterobacter cloacae (6.8%, P = .01), and Cutibacterium acnes (6.8%, P = .03). Post-pandemic, significant rises were observed in Serratia marcescens ( P < .001) and Achromobacter denitrificans ( P = .03). Conclusions and Relevance Significant shifts in CRS-associated pathogens occurred during the COVID-19 pandemic. Notable changes in the prevalence of S. aureus, A. fumigatus, E. cloacae, and C. acnes were observed during the pandemic, with increases in S. marcescens and A. denitrificans post-pandemic. These findings suggest that the pandemic’s impact on healthcare practices and environmental factors influenced the microbial etiologies of CRS. Future research may explore the mechanisms driving these changes and their long-term implications for CRS management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».