Relationship Between Characteristics and Risk Factors in Postoperative Surgical Wound Infections in Cesarean Section Patients
Notice bibliographique
Résumé
Background: Cesarean section rates have increased globally, with Indonesia showing a rise from 6.5% in 2016 to 16.5% in 2021. Although cesarean deliveries reduce certain risks, they also present the risk of surgical site infections (SSIs), a leading cause of postpartum infections. This study explores the relationship between patient characteristics and SSI following cesarean sections at Hasan Sadikin General Hospital, Bandung. Methods: This study used an analytical observational design with a retrospective case-control approach. Data were collected from the medical records of patients who underwent cesarean sections from January 2022 to January 2023. The sample consisted of 23 cases of patients with SSI and 46 controls. The analysis was performed using the Chi-square test and multivariate logistic regression. Results: Body mass index (BMI) and urinary tract infection (UTI) during pregnancy were found to be significant risk factors for SSI, with P-values of 0.019 and 0.001, respectively. UTI is the most significant risk factor with an adjusted odds ratio (aOR) of 6.48 (95% confidence interval (CI) 1.7 - 64.5). Overweight and obesity also showed a higher risk, with an aOR of 10.1 (95% CI 1.6 - 64) and 4.07 (95% CI 1.0 - 18.4), respectively. Other characteristics such as age, parity, history of anemia, diabetes mellitus, preeclampsia, premature rupture of membranes, previous cesarean section, and the type of cesarean incision were not significantly associated with SSI. Conclusion: Obesity and UTI during pregnancy are significant risk factors for SSI in post-cesarean section patients. Strict monitoring and preventive interventions for these conditions during pregnancy should be implemented to reduce SSI incidence and improve maternal and infant health after cesarean section.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».