Notizie
Inquinamento e polmoni: svelati i meccanismi che aumentano il rischio di BPCO
Un nuovo studio di coorte e meta-analisi, uscito sulla rivista European respiratory review nel 2025, ha cercato di fare luce […]
Modelli di previsione per infezioni da organismi multifarmaco-resistenti nelle unità di terapia intensiva
Zai-Chun Pu e colleghi hanno eseguito una revisione sistematica e una meta-analisi con l’obiettivo di valutare i fattori predittivi per le infezioni causate da batteri multi-resistenti ai farmaci (MDR), e di esaminare sistematicamente i modelli di previsione del rischio per tali infezioni nelle unità di terapia intensiva (ICU) generali, al fine di fornire riferimenti per il personale medico clinico per stabilire e migliorare i modelli di previsione del rischio per tali infezioni.
Sono stati esplorati in modo sistematico database cinesi e inglesi fino al 26 dicembre 2024. La qualità della letteratura è stata valutata tramite lo strumento PROBAST (Prediction Model Risk Of Bias ASsessment Tool). Tra i 27 articoli inclusi, sono stati costruiti 37 modelli di previsione del rischio, con valori dell’area sotto la curva caratteristica operativa del ricevitore (AUC) che vanno da 0,718 a 0,992. La valutazione della qualità della letteratura indica un alto rischio di bias ma una buona applicabilità. La meta-analisi sui valori AUC ha rivelato un valore combinato del gruppo di modellazione di 0,867. La meta-analisi ha rivelato 12 fattori di rischio che potrebbero prevedere le infezioni MDR. Gli Autori concludono che i modelli attuali di previsione del rischio per le infezioni batteriche MDR nelle ICU sono ancora in fase di sviluppo. La maggior parte di questi manca di metodi di calibrazione e di convalida esterna e viene utilizzata solo l’analisi univariata per selezionare le variabili, il che comporta un alto rischio di bias. Gli sforzi futuri dovrebbero concentrarsi sul miglioramento dei metodi di costruzione dei modelli e sul loro sviluppo continuo e maggiormente accurato.
Fonte: J Glob Antimicrob Resist. 2025
https://www.sciencedirect.com/science/article/pii/S2213716525001432?via%3Dihub
