Late-onset Carbapenem-resistant Enterobacteriaceae Sepsis Among Very Preterm Infants: A Multicenter Study in China
Notice bibliographique
Résumé
BACKGROUND: Carbapenem-resistant Enterobacteriaceae (CRE) infections are emerging as a crisis in developing countries. We aim to investigate the epidemiologic characteristics and antibiotic treatment strategies of CRE sepsis in very preterm infants (VPIs). METHOD: This cross-sectional study included all infants born at 24-31 weeks of gestation or birth weight <1500 g who developed late-onset sepsis caused by Enterobacteriaceae , as recorded in the 2022 Chinese Neonatal Network database. Late-onset sepsis was defined as sepsis occurring after 72 hours of birth. RESULTS: Of 11,447 VPIs admitted, 205 infants had 207 episodes of Enterobacteriaceae -related late-onset sepsis, of which 27 (13.0%) were caused by CRE. The most common CRE pathogens were Klebsiella spp. (66.7%, 18/27). Multivariate analysis identified prior carbapenem exposure as an independent risk factor for CRE sepsis (adjusted odds ratio: 2.33; 95% confidence interval: 1.02-5.49). In the CRE group, mortality due to Enterobacteriaceae sepsis (22.2% vs. 10.1%, P = 0.07) and all-cause mortality during hospitalization (29.6% vs. 13.5%, P = 0.04) were both higher than that in the non-CRE group. For empirical antibiotic therapy, of the 27 CRE cases, 21 (77.8%) were treated with meropenem alone and 6 (28.6%) of these infants died from CRE sepsis. For definitive therapy, 17/22 (77.3%) received monotherapy, of which 12 (70.6%) were treated with meropenem, while 5 (22.7%) received combination therapy. CONCLUSIONS: In Chinese neonatal intensive care units, 13.0% of late-onset Enterobacteriaceae sepsis in VPIs was caused by CRE, which was associated with a significant mortality rate. Meropenem-based regimens remain the primary treatment for CRE sepsis, though with a high treatment failure rate.
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 | 0,000 |
| 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 | 0,000 | 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 ».