Methicillin-resistant <i>Staphylococcus</i> aureus nasal swabs: trends in use and association with outcomes
Notice bibliographique
Résumé
Abstract Objective: To investigate patterns of early methicillin-resistant Staphylococcus aureus (MRSA) nasal swab use in US hospitals and the association with de-escalation of MRSA-specific antibiotics. Design: Retrospective cohort study. Setting: PINC-A1 Healthcare Database (2008–2021). Participants: Adults with sepsis present on admission who received invasive mechanical ventilation by hospital day 1. Methods: We assessed interhospital variation and time trends in early polymerase chain reaction-based MRSA nasal swab use using bivariable regression. Next, we used competing risks multivariable regression to assess the association of early (started by hospital day 2) anti-MRSA antibiotic duration with care in a high (≥90%) versus low (<10%) swab use hospital. Results: We included 699,474 patients across 788 hospitals to evaluate trends in early swab use; 151,205 (21.6%) received a swab. Use of swabs varied across hospitals (median use: 6.0% [interquartile range: 0–37.6%; full range: 0%–98.0%]; median odds ratio [95% CI]: 84.7 [63.3–115.6]) and overall use increased over time (3.5% in 2008 quarter 1 increasing to 29.5% in 2021 quarter 4; regression coefficient [95% CI]: 0.14% [0.12%–0.15%]). Considering 41,599 patients (9,796 [23.6%] in 33 hospitals where ≥90% received swabs and 31,763 [76.4%] in 67 hospitals with <10% use), anti-MRSA antibiotic durations were shorter in hospitals where ≥90% (vs < 10%) received a swab (adjusted sub-hazard ratio for discontinuation of antibiotics [95% CI]: 1.17 [1.04–1.31], P = .007). Conclusions: Use of early polymerase chain reaction-based MRSA nasal swabs varied across US hospitals and increased over time. Receiving care in a hospital with higher swab use was associated with shorter anti-MRSA antibiotic duration.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 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 ».