PubMed دسترسی آزاد

Diagnostic Uncertainty and Antibiotic Timing in Sepsis: Observational Validation of a Dual-Axis Decision Model.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

IMPORTANCE: Sepsis treatment requires balancing the benefits of timely antibiotic administration against the risks of over-treatment under diagnostic uncertainty. Although treatment urgency likely reflects both the probability of infection and physiologic severity, this joint structure has not previously been quantified using real-world clinical data. OBJECTIVES: To determine whether real-world antibiotic timing in the emergency department reflects a dual-axis pattern integrating probability of infection and physiologic severity. DESIGN, SETTING, AND PARTICIPANTS: Retrospective observational cohort study using structured electronic health record data from adult emergency department encounters at a large urban safety-net health system from January 2019 through June 2025. A random forest model estimated the probability of sustained antibiotic treatment, P(treated infection), for suspected infection from early demographic, physiologic, and laboratory data, and physiologic severity was measured using the Modified Early Warning Score at 3 hours. MAIN OUTCOMES AND MEASURES: The primary outcome was time-to-antibiotics within 24 hours of presentation. The secondary outcome was a composite of ICU stay or in-hospital death among patients treated after 3 hours. RESULTS: The study included 199,062 emergency department visits over 6.5 years. Of these, 83,910 visits were used for model development, and the remaining 115,152 emergency department encounters comprised a temporally held-out cohort used for model evaluation and downstream observational analyses. The P(treated infection) model demonstrated good discrimination (C-statistic, 0.86). Antibiotic timing followed a continuous gradient across jointly increasing P(treated infection) and physiologic severity, and restricted cubic spline regression confirmed significant contributions from both axes and their interaction (interaction, p = 0.0013). Among patients treated after 3 hours, antibiotic timing later-than-expected based on a patient's dual-axis position was associated with a higher rate of 3-day ICU stay or in-hospital death after adjustment for P(treated infection), physiologic severity, and their interaction (p < 0.001). CONCLUSIONS: Real-world antibiotic timing in suspected sepsis appears to reflect a dual-axis pattern consistent with clinicians integrating P(treated infection) and physiologic severity. Making this structure explicit may help identify unwarranted practice variation and inform future decision support strategies for timely treatment.

نتیجه فارسی

این مطالعه نشان می‌دهد که زمان‌بندی آنتی‌بیوتیک در اورژانس برای سپسیس بر اساس دو عامل، احتمال عفونت و شدت فیزیولوژیک، تنظیم می‌شود. مدل‌سازی داده‌های واقعی نشان داد که این دو عامل به صورت همزمان و تعاملی بر زمان تزریق آنتی‌بیوتیک تأثیر می‌گذارند. تاخیر در درمان پس از ۳ ساعت در بیمارانی که بر اساس این دو محور زمان‌بندی شده بودند، با افزایش مرگ‌ومیر یا بستری در ICU مرتبط بود.

  • زمان‌بندی آنتی‌بیوتیک در سپسیس بر اساس احتمال عفونت و شدت بیماری تنظیم می‌شود.
  • داده‌های واقعی از ۱۹۹،۰۶۲ بازدید اورژانس استفاده شد.
  • مدل احتمال درمان عفونت (P(treated infection)) دارای دقت ۰.۸۶ بود.
  • تأثیر تعاملی بین احتمال عفونت و شدت فیزیولوژیک معنادار بود (p = 0.0013).
  • تاخیر در درمان پس از ۳ ساعت با نتایج بدتر مرتبط بود.

ترجمه فارسی چکیده

مهم: درمان سپسیس نیازمند تعادل بین مزایای تزریق سریع آنتی‌بیوتیک و ریسک‌های درمان بیش از حد در شرایط عدم قطعیت تشخیصی است. اگرچه اورژانس درمان احتمالاً همزمان با احتمال عفونت و شدت فیزیولوژیک در نظر گرفته می‌شود، این ساختار مشترک قبلاً با استفاده از داده‌های بالینی واقعی کمی‌سازی نشده است. اهداف: بررسی اینکه آیا زمان‌بندی آنتی‌بیوتیک در اورژانس بر اساس الگوی دو محوری (ترکیب احتمال عفونت و شدت فیزیولوژیک) است یا خیر. روش: مطالعه مشاهده‌ای بازگشت‌پذیر با استفاده از داده‌های ثبت الکترونیک سلامت از ملاقات‌های اورژانس بزرگسالان در یک سیستم سلامت شهری از ژانویه ۲۰۱۹ تا ژوئن ۲۰۲۵. نتایج: شامل ۱۹۹،۰۶۲ بازدید اورژانس بود. مدل احتمال درمان عفونت (P(treated infection)) دارای دقت خوبی (C-statistic 0.86) بود. زمان‌بندی آنتی‌بیوتیک در امتداد یک گرادیان پیوسته در پاسخ به افزایش همزمان P(treated infection) و شدت فیزیولوژیک مشاهده شد. نتیجه‌گیری: زمان‌بندی آنتی‌بیوتیک در سپسیس مشکوک به واقعیت، الگوی دو محوری را نشان می‌دهد که با نحوه ترکیب احتمال عفونت و شدت فیزیولوژیک توسط پزشکان همخوانی دارد.

روش پژوهش

مطالعه مشاهده‌ای بازگشت‌پذیر با استفاده از داده‌های ثبت الکترونیک سلامت از ملاقات‌های اورژانس بزرگسالان در یک سیستم سلامت شهری از ژانویه ۲۰۱۹ تا ژوئن ۲۰۲۵.

محدودیت‌ها

محدودیت‌های گزارش نشده در متن.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
بیماران بزرگسال در ملاقات‌های اورژانس.
مداخله/مواجهه
زمان‌بندی آنتی‌بیوتیک (تزریق آنتی‌بیوتیک).
مقایسه
مدل احتمال درمان عفونت (P(treated infection)) و شدت فیزیولوژیک.
حجم نمونه
۱۹۹،۰۶۲ بازدید اورژانس (۸۳،۹۱۰ برای توسعه مدل و ۱۱۵،۱۵۲ برای ارزیابی).

متن کامل اصلی

نسخه دارای مجوز در منبع علمی در دسترس است.

لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز می‌شود.

باز کردن متن کامل

کلیدواژه‌ها

clinical decision supportdiagnostic uncertaintyemergency departmentrisk stratificationsepsistime-to-antibiotics
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

Computational Network Analysis for Defining Transcriptional Programs.

Cancer cell identity is governed by coordinated transcriptional programs that are frequently rewired during tumorigenesis. Systematic identification of cancer type-specific gene regulatory networks provides a framework for understanding oncogenic state transitions and for prioritizing candidate therapeutic targets. Here, we present a reproducible network-based workflow for reconstructing and analyzing transcriptional regulatory program…

PubMed2027

Topic-Driven Bibliometrics and Trend Intelligence for Stem Cell and Cancer Research.

The rapid growth of biomedical literature has created an urgent need for computational tools that enable researchers to systematically analyze publication trends, identify emerging research themes, and map the evolution of scientific fields. PubMed Atlas is a command-line and web-enabled workflow for topic-driven bibliometrics and trend intelligence using PubMed E-utilities. The pipeline executes PubMed queries, retrieves matching PMID…

PubMed2026

Nursing Students' Reports of Patient Safety Incidents and Reasons During Clinical Placements: A Secondary Analysis of the International Data.

Clinical placements expose nursing students to patient safety incidents and provide important opportunities for learning about safe care. This study explored how nursing students in four countries recognized and interpreted patient safety incidents encountered or witnessed during clinical practice, including perceived contributing factors. A secondary qualitative content analysis was conducted using narrative data from 1442 undergradua…

PubMed2026

Frequency of Clinically Relevant Drug-Drug Interactions Between Tyrosine Kinase Inhibitors and Proton Pump Inhibitors in Patients With Cancer Using Real-World Data.

BACKGROUND: Proton pump inhibitors (PPIs) raise stomach pH, leading to reduced bioavailability of many tyrosine kinase inhibitors (TKIs), thereby affecting treatment outcomes. To what extent this interaction occurs in clinical practice remains underexplored. OBJECTIVE: To determine the frequency of clinically relevant interactions between TKIs and PPIs in clinical practice and the duration of concomitant prescription. METHODS: A retros…