Trends in the Prevalence of <i>Clostridioides difficile</i> Using Real Time PCR in South Korea (2020-2024)
Notice bibliographique
Résumé
Clostridioides difficile is a major cause of infection in healthcare settings, and frequent antibiotic use exacerbates its occurrence. C. difficile infection (CDI) is a major public-health challenge owing to its complications and high mortality rate. We aimed to analyze current trends in C. difficile prevalence. This study was a retrospective, single center analysis of 7,371 samples from April 2020 to March 2024. Toxigenic C. difficile was identified from stool samples of inpatients and outpatients using an Xpert C. difficile assay by detecting binary toxin and toxin B via real-time polymerase chain reaction. Prevalence rates were analyzed according to sex, time of occurrence, and age using SPSS Version 29. The chi-square test and the exact test Monte Carlo method were used. Cross-analyses revealed no significant correlation between the occurrence of CDI and months, as well as individual quarters. However, when aggregating data from the same quarter across different years, significant correlations were observed (p = 0.036). Sex-specific prevalence analysis revealed positivity rates of 16.9% and 15.6% in males and females, respectively; however, this difference was not statistically significant. The analysis of prevalence by age did not show a statistically significant difference in cross-analysis. Nevertheless, there was a trend indicating that the positivity rate increased with advancing age. Specifically, the average age of patients with positive results was 72.6 years. This study offers baseline data on the current prevalence of CDI, serving as a valuable resource for hospitals in developing infection control plans and prevention strategies. Additionally, it provides critical insights into CDI epidemiology in South Korea, particularly the increased vulnerability to infection among older age groups. These findings emphasize the need for customized treatment and prevention strategies tailored to the older population, contributing to more effective healthcare interventions and improved patient outcomes.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».