Risk factors of nosocomial infection after percutaneous coronary intervention: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To summarize the risk factors for Nosocomial Infection(NI) in patients after Percutaneous coronary intervention(PCI). METHODS: The databases of PubMed, Web of Science, Embase, Cochrane Library, Chinese National Knowledge Infrastructure (CNKI), Chinese Biological Medical Database (CBM), Chinese Wanfang Database, and China Science and Technology Journal Database (VIP) were searched for relevant articles from its inception to November 2024. This meta-analysis is based on RevMan5.4 software. The results' robustness was assessed using sensitivity analysis, and publication bias was assessed using Egger's test and funnel plot. The quality of the included studies was evaluated using the Newcastle-Ottawa scale. RESULTS: Twenty-six studies were included, involving 18,825 patients. The meta-analysis showed that: combined diabetes(Patients with post-PCI infection had diabetes) [OR = 2.17, 95%(1.52,3.10)], mechanical ventilation [OR = 4.39, 95%(2.95,6.53)], indwelling urinary catheter [OR = 4.28, 95%(2.66,6.89)], age ≥ 60 years [OR = 1.96, 95%(1.50,2.57)], invasive procedures [OR = 2.72, 95%(1.99,3.71)], somking [OR = 1.88, 95%(1.18,2.99)], cardiac function classification of III to IV [OR = 3.14, 95%(2.03,4.88)], implantation of ≥ 2 stents [OR = 2.36, 95%(1.13,4.93)], and hospitalization days ≥ 14 [OR = 2.36, 95%(1.01,5.52)] were the predictive factors for the development of NI in post-PCI patients. The most common infecting bacteria were Staphylococcus aureus, Streptococcus species, and Klebsiella pneumoniae. The sites of infection were predominantly respiratory and urinary. CONCLUSIONS: This systematic review discusses the risk factors that lead to NI in post-PCI patients. Healthcare professionals may combine these factors to develop targeted interventions to reduce the incidence of infections and promote patient recovery.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».