Antimicrobial resistance–attributable mortality: a patient-level analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background The impact of antimicrobial resistance (AMR) on death at the patient level is challenging to estimate. We aimed to characterize AMR-attributable deaths in a large UK teaching hospital. Methods This retrospective study investigated all deceased patients in 2022. Records of participants were independently reviewed by two investigators for cases of AMR-attributable deaths using a newly proposed patient-level definition. Results In total, 758 patients met inclusion criteria. Infection was the underlying cause of death for 11.7% (89/758) and was implicated in the pathway that led to death in 41.1% (357/758) of participants. In total, 4.2% (32/758) of all deaths were AMR-attributable. Median time from index sample collection to death was 4.5 days (IQR 2–10.5 days). The majority of AMR-attributable deaths (56.3%, 18/32) were associated with intrinsic resistance mechanisms, primarily by Enterococcus faecium (20.7%), Enterobacterales carrying repressed chromosomal ampicillinase Cs (AmpCs) (14.7%) and Pseudomonas aeruginosa (11.8%), whereas a minority (43.7%, 14/32) had acquired resistance mechanisms, primarily derepressed chromosomal AmpCs (11.8%) and ESBLs (8.8%). The median time to effective treatment was 32 h 15 min (no difference between subgroups). Only 62.5% (20/32) of AMR-attributable deaths had infection recorded on the death certificate. AMR was not recorded as a cause of death in any of the patients. Conclusions Infection and AMR were important causes of death in our cohort, yet they were significantly underreported during death certification. In a low-incidence setting for AMR, pathogen-antimicrobial mismatch due to intrinsic resistance was an equally important contributor to AMR-attributable mortality as acquired resistance mechanisms.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 découle