Post-Pandemic shifts in peritonsillar abscess: incidence and microbiological trends following the cessation of COVID-19-related nonpharmaceutical interventions
Notice bibliographique
Résumé
Background The impact of COVID-19-related nonpharmaceutical interventions (NPI) on the bacterial composition of upper airway infections remains largely unexplored.Objectives We aimed to investigate the incidence and microbiology of peritonsillar abscess (PTA) following the cessation of NPI and to compare these findings with the periods before and during NPI implementation.Methods We performed a cross-sectional analysis of all PTA cases and their microbiological findings from 12 March, 2018 to 11 March, 2024, among patients admitted to the Ear-Nose-Throat Department, Aarhus University Hospital. Patients were categorised into three two-year periods in relation to NPI. Age-stratified population data for the catchment area were sourced from Statistics Denmark.Results A total of 1,030 patients were included. The annual incidence rate of PTA was significantly higher post-NPI (26.9 cases/100,000) compared to both the NPI period (14.9 cases/100,000, p < 0.001) and the pre-NPI period (21.8 cases/100,000, p = 0.003). Increased post-NPI rates were observed across all age groups. The number of cases positive for Streptococcuspyogenes and Fusobacterium necrophorum increased post-NPI (n = 102 and n = 89, respectively) compared to during the NPI period (n = 28 and n = 64, p < 0.001 and p = 0.052, respectively) and pre-NPI (n = 67 and n = 60, p = 0.009 and p = 0.021, respectively). Statistically non-significant increasing trends were found for less prevalent bacteria.Conclusion Following NPI cessation, PTA incidence rates surpassed both the NPI and pre-NPI levels. The rising PTA incidence rates post-NPI were primarily driven by an increasing number of cases positive for S. pyogenes and F. necrophorum, suggesting an immunity debt to these prevalent pathogens.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».