Menu

Maria Selma Restaurant

Coûts des infections associées aux soins de santé et à la communauté par des organismes résistants aux antimicrobiens et aux microorganismes sensibles aux antimicrobiens

Objectif Nous avons comparé les différences entre les frais hospitaliers, la durée d’hospitalisation et la mortalité entre les patients ayant des infections sanguines associées à des soins de santé et à la communauté, les infections des voies urinaires et la pneumonie due à des souches bactériennes résistantes aux antimicrobiens. Une base de données compilée en laboratoire, en pharmacie, en chirurgie, en localisation financière et en localisation de patients et d’utilisation de dispositifs a été réalisée sur 5699 patients hospitalisés ayant développé des infections nosocomiales ou associatives entre 2006 et 2008 de 4 hôpitaux 1 communautaire, 1 pédiatrique, 2 tertiaire / quaternaire à Manhattan Les principaux critères d’évaluation étaient les frais hospitaliers, la durée du séjour et la mortalité chez les patients présentant des infections résistantes et sensibles aux antimicrobiens causées par Staphylococcus aureus, Enterococcus faecium, Enterococcus faecalis, Klebsiella pneumoniae, Pseudomonas aeruginosa et Acinetobacter baumannii. nfounders utilisant la régression linéaire et l’appariement du plus proche voisin basé sur les estimations du score de propension, infections résistantes de soins de santé et communautaires, en comparaison avec des souches sensibles du même organisme, ont été associés à des charges significativement plus élevées 15 626 $; intervalle de confiance [IC], 4339 $ – 26 913 $ et 25 573 $; CI, 9331 $ – 41 816 $, respectivement et plus longs séjours à l’hôpital pour les infections associées à la communauté 33; CI, 15-54 Les patients ayant des infections nosocomiales résistantes avaient également un taux de mortalité significativement plus élevé 004; En comparant soigneusement les patients infectés par le même organisme, la résistance aux antimicrobiens était associée à des charges, des durées de séjour et des taux de mortalité plus élevés. risque d’infections résistantes aux antimicrobiens

Des taux croissants de divers organismes résistants associés aux infections associées aux soins de santé et à l’apparition de la maladie sont signalés dans le monde entier [1-5] Par exemple, l’incidence américaine de Staphylococcus aureus résistant à la méthicilline MRSA a augmenté d’au moins 5 fois 2000 et 2007 [6] Les coûts pour éviter la propagation de la résistance sont généralement évidents et sont directement et immédiatement encourus. Les avantages, par contre, peuvent être imprécis, nécessiter des efforts soutenus et à long terme, et sont fréquemment éprouvés par des tiers. qui ne savent pas qu’ils ont bénéficié d’une décision coûteuse antérieure Cette externalité peut entraîner un sous-investissement dans des activités qui réduisent la propagation des infections antimicrobiennes. Dans une méta-analyse récente, nous avons examiné les coûts différentiels associés aux infections résistantes aux antimicrobiens comparativement aux souches sensibles aux antimicrobiens. , mais les études variaient grandement en matière de conception, et les estimations de coûts allaient d’environ – 27 000 $ à 127 $ 000 [7] Les estimations variaient en partie à cause de la petite taille des échantillons, des études sur site unique et du contrôle inadéquat des facteurs de confusion importants, tels que la gravité de la maladie, l’utilisation du dispositif et la durée du séjour hospitalier. , durée de séjour et mortalité associée aux infections nosocomiales Les infections nosocomiales et les infections nosocomiales Les infections nosocomiales chez les patients atteints de souches bactériennes résistantes aux antimicrobiens versus les souches bactériennes sensibles dans un échantillon d’environ 310 000 patients provenant de 4 hôpitaux Décès a un coût sociétal élevé, mais n’augmente pas les coûts encourus par un hôpital Pour faire face à cette divergence possible entre les coûts sociaux et hospitaliers, nous avons également estimé des modèles qui censurent les patients qui meurent à l’hôpital

Méthodes

Collecte de données

Les données ont été extraites pour 3 ans 2006-2008 à partir de diverses bases de données électroniques provenant de 4 sites dans un grand système de santé dans la ville de New York – New York-Presbyterian Hospital NYPH System, qui comprend un hôpital communautaire, un hôpital pédiatrique et 2 tertiaires. hôpitaux de soins quaternaires qui fournissent des soins à une gamme variée de patients Les données ont été compilées sur 1 rapports de laboratoire, y compris les résultats microbiologiques de cultures sanguines, urinaires et respiratoires; 2 emplacement du patient, y compris l’unité hospitalière et la présence de colocataires; 3 comptes détaillés des médicaments administrés et des interventions effectuées; 4 informations financières pour chaque décharge, y compris les frais totaux et les frais détaillés par date; Les informations patient ont été reliées entre les multiples ensembles de données en utilisant le numéro de dossier médical unique du patient et les dates / heures associées aux données de basePour définir le type d’infection, l’organisme causal et son profil de susceptibilité antimicrobienne, une équipe de cliniciens et de chercheurs développé des algorithmes électroniques pour identifier les séjours à l’hôpital avec l’un des 3 types d’infections: BSI infection des voies urinaires, infections urinaires UTI et pneumonie Nous avons utilisé les définitions de surveillance du Centre national de sécurité des soins de santé http: // wwwcdcgov / nhsn Nous avons classé les patients en 3 groupes: données supplémentaires infectées, non infectées et incertaines, ce qui nous a permis d’exclure les patients. avec un statut d’infection incertain pour limiter les biais d Nous avons utilisé une combinaison de résultats microbiologiques, de symptômes cliniques, de résultats de microscopie urinaire et de codes de diagnostic de la Classification internationale des maladies, neuvième révision, modification clinique ICD-9-CM pour identifier les patients infectés par l’organisme causal [8, 9 Nous avons concentré notre analyse sur les 6 organismes suivants connus pour provoquer fréquemment des infections résistantes aux antimicrobiens aux États-Unis [10, 11]: Staphylococcus aureus, Enterococcus faecalis, Enterococcus faecium, Klebsiella pneumoniae, Pseudomonas aeruginosa et Acinetobacter baumannii. ceux survenant après le troisième jour d’hospitalisation du patient, et les IAC comme ceux survenus avant ou après le troisième jour d’hospitalisation sans antécédents d’hospitalisation dans les 30 jours précédents. Certaines IASS peuvent se manifester jusqu’à 30 jours après l’exposition [12] , les patients avec des infections dans les premiers jours d’hospitalisation qui ont été hospitalisés dans l’institut d’étude Les définitions de la résistance aux antimicrobiens pour chaque organisme sont résumées dans le tableau 1. Nous visions à capturer un spectre de résistance aux antimicrobiens, de la résistance la plus commune à la résistance la moins commune et englobante. dans la communauté ainsi qu’à l’hôpital

Tableau 1Antimicrobial Résistance à 6 organismes Organism résistance aux antimicrobiens Staphylococcus aureus oxacilline Enterococcus faecalis, Enterococcus faecium à la vancomycine Klebsiella pneumoniae imipénème, méropénème Pseudomonas aeruginosa lévofloxacine Acinetobacter baumannii ampicilline-sulbactam Organism résistance aux antimicrobiens Staphylococcus aureus oxacilline Enterococcus faecalis, Enterococcus faecium à la vancomycine Klebsiella pneumoniae imipénème, méropénème Pseudomonas aeruginosa Lévofloxacine Acinetobacter baumannii Ampicilline-sulbactam View LargeLa disponibilité des horodateurs a permis de séparer les facteurs variant dans le temps en composants pré et post-infection. Les variables dépendantes étaient les frais hospitaliers, la durée du séjour et le décès à l’hôpital. classés en trois grandes catégories: les données démographiques des patients, les facteurs présents à l’admission et les facteurs survenant pendant le séjour à l’hôpital, mais avant le début de l’infection. Les hospitalisations antérieures, le diabète, la dermatite chronique, les traumatismes, les plaies, les brûlures, le séjour dans un établissement de soins infirmiers spécialisé, l’insuffisance rénale et les antécédents de toxicomanie. Codes de diagnostic de la CIM-9-CM pour les troubles présents à l’admission un score de Charlson pondéré comme mesure de l’état de santé des patients Des mesures du risque de mortalité et de gravité de la maladie basées sur les résultats du logiciel Grouper de 3M ont également été incluses [13]. ventilation mécanique, cathétérisme cardiaque, angiographie par cathéter, stent vasculaire, dialyse, intervention chirurgicale, anesthésie générale, intubation, séjour en unité de soins intensifs et présence de colocataires Nous avons imputé des données sur les cathéters veineux centraux, les cathéters urinaires et l’administration de médicaments pour un sous-ensemble d’environ 10% des patients pour lesquels ces données manquaient en raison du déploiement échelonné Le dossier de santé électronique utilisé pour enregistrer de tels événements Nous avons d’abord évalué si un patient a reçu l’une des 3 interventions par imputation multiple avec des équations enchaînées, en utilisant comme variables indépendantes toutes les autres variables disponibles dans l’ensemble de données. Nous avons ensuite imputé la date de début et la durée de ces interventions. par imputation hotdeck où les «donneurs» avaient la même durée de séjour et le même jour et la même date de début prévus [9]

Une analyse

Nous avons effectué notre analyse en utilisant une régression linéaire multiple, avec des analyses séparées pour HAI et CAI. Nous avons régressé séparément chacune des variables dépendantes par rapport à une variable indicatrice pour savoir si l’organisme causant l’infection était résistant ou sensible aux médicaments antimicrobiens. Parce que les CAI surviennent avant l’hospitalisation, nous n’avons pas contrôlé les facteurs de risque qui sont survenus durant le séjour à l’hôpital. Nous avons inclus des variables indicatrices pour l’âge. chaque site du corps, chaque organisme, chaque hôpital, et chaque année-mois pour contrôler la saisonnalité, et contrôlée pour le jour de l’hospitalisation sur laquelle l’infection a eu lieu. Les résultats de la régression linéaire peuvent ne pas refléter tous les coûts sociaux d’une infection. avec des infections peuvent mourir à l’hôpital, et les frais et les jours d’hospitalisation ne s’accumulent pas Nous avons également estimé des modèles de régression censurés qui ont censuré les frais et la durée de séjour des patients décédés. Bien que nous ayons contrôlé un large éventail de facteurs de confusion potentiels, nos modèles de régression ont supposé une relation linéaire entre ces variables et les résultats. Nous avons également obtenu une estimation du score de propension en estimant la probabilité qu’un patient ait contracté une infection en utilisant un modèle de risque temporel discret qui permettait des covariables variant dans le temps et une base de référence flexible. Nous avons inclus les mêmes covariables dans notre modèle de régression linéaire dans les estimations du score de propension Nous avons ensuite comparé chaque patient avec une infection résistante à un patient avec une infection sensible en utilisant le score de propension le plus proche parmi ceux avec le même organisme d’intérêt, le site du corps, et le jour en h Nous avons effectué les mêmes régressions linéaires et censurées Nous avons regroupé les erreurs types sur le patient puisque plusieurs patients avec une infection sensible pouvaient être appariés au même patient avec une infection résistante. annexe disponible sur demande décrit cette procédure plus en détail et montre également des tests de diagnostic pour évaluer la qualité de correspondance, qui était acceptable à des normes élevées Toutes les analyses ont été menées en utilisant le logiciel Stata, version 120 StataCorp, College Station, Texas

RÉSULTATS

Le tableau 2 montre des statistiques sommaires pour les infections HAI et CAI, démontrant que les patients présentant des infections résistantes présentaient des charges considérablement plus élevées, des jours à l’hôpital et des risques de décès par rapport aux infections sensibles. avant le début de l’infection, comme en témoigne le score de comorbidité de Charlson plus élevé, par exemple. En outre, les patients avec HAI résistante avaient généralement plus de procédures et des charges plus élevées avant le début de l’infection, soulignant l’importance de contrôler ces facteurs de risque.

Infections associées et associées à la communauté Infections associées aux soins Infections associées à la communauté Total Résistant Sensible Total Résistant Sensible Non 3557 1240 2317 2142 579 1563 Caractéristiques avant l’infection Âge 641 170 640 171 641 170 667 185 657 177 671 188 Sexe féminin 1830 51% 641 52% 1189 51% 1164 54% 286 49% 878 56% 1 colocataire d’hôpital 682 19% 248 20% 434 19% … … … gt 1 colocataire d’hôpital 2035 57% 684 55% 1351 58% … … … Charlson score 27 25 29 25 27 25 … … … Frais de préinfection $ 1000 1046 1018 1237 1189 944 897 … … … Ventilation mécanique 903 25% 385 31% 518 22% … … … Procédure majeure 1498 42% 490 40% 1008 44% … … … Cathéter urinaire 2790 78% 968 78% 1822 79% … … … Cathéter urinaire joursb 218 247 264 278 193 224 … … … CV ligne 1639 46% 660 53% 979 42% … … … CV ligne joursb 226 271 258 291 204 255 … … … séjour aux soins intensifs 2052 58% 763 62% 1289 56% … … … soins intensifs jours jours 195 253 238 272 170 238 … … … Infection et résultats des patients Jour de l’infection 139 133 170 152 122 119 … … … Infection sanguine 715 20% 293 24% 422 18% 621 29% 171 30% 450 29% Pneumonie 801 23% 311 25% 490 21% 182 8% 81 14% 101 6% Infection urinaire 2041 57% 636 51 % 1405 61% 1339 63% 327 56% 1012 65% Acinetobacter baumannii 124 3% 56 5% 68 3% 42 2% 11 2% 31 2% Enterococcus faecalis, Enterococcus faecium 1270 36% 561 45% 709 31% 521 24% 92 16% 429 27% Klebsiella pneumoniae 917 26% 173 14% 744 32% 720 34% 137 24% 583 37% Pseudomonas aeruginosa 540 15% 118 10% 422 18% 214 10% 79 14% 135 9% Staphylococcus aureus 671 19 % 318 26% 353 15% 535 25% 240 41% 295 19% Frais de postinfection 1 000 $ 1638 2707 2097 3080 1392 2450 860 1262 11 57 1625 751 1078 Jours de postinfection à l’hôpital 184 274 230 317 160 245 122 150 157 185 109 133 Décès 606 17% 303 24% 303 13% 227 11% 93 16% 134 9% Infections associées aux soins de santé Infections communautaires Résistances totales Total Résistant Sensible Non 3557 1240 2317 2142 579 1563 Caractéristiques avant l’infection Âge 641 170 640 171 641 170 667 185 657 177 671 188 Sexe féminin 1830 51% 641 52% 1189 51% 1164 54% 286 49% 878 56% 1 colocataire d’hôpital 682 19% 248 20% 434 19% … … … & gt; 1 colocataire d’hôpital 2035 57% 684 55% 1351 58% … … … Charlson score 27 25 29 25 27 25 … … … Frais de préinfection $ 1000 1046 1018 1237 1189 944 897 … … … Ventilation mécanique 903 25% 385 31% 518 22% … … … Procédures principales 1498 42% 490 40% 1008 44% … … … Cathéter urinaire 2790 78% 968 78% 1822 79% … … … Urin ary catheter joursb 218 247 264 278 193 224 … … … CV ligne 1639 46% 660 53% 979 42% … … … CV ligne joursb 226 271 258 291 204 255 … … … soins intensifs 2052 58% 763 62% 1289 56% … … … soins intensifs jours joursb 195 253 238 272 170 238 … … … Infection et résultats des patients Jour d’infection 139 133 170 152 122 119 … … … Infection sanguine 715 20% 293 24% 422 18% 621 29% 171 30% 450 29% Pneumonie 801 23% 311 25% 490 21% 182 8% 81 14% 101 6% Infection urinaire 2041 57% 636 51% 1405 61% 1339 63% 327 56% 1012 65% Acinetobacter baumannii 124 3% 56 5% 68 3 % 42 2% 11 2% 31 2% Enterococcus faecalis, Enterococcus faecium 1270 36% 561 45% 709 31% 521 24% 92 16% 429 27% Klebsiella pneumoniae 917 26% 173 14% 744 32% 720 34% 137 24% 583 37% Pseudomonas aeruginosa 540 15% 118 10% 422 18% 214 10% 79 14% 135 9% Staphylococcus aureus 671 19% 318 26% 353 15% 535 25% 240 41% 295 19% Frais de postinfection 1 000 $ 1638 2707 2097 3080 1392 2450 860 1262 1157 1625 751 1078 Jours de postinfection à l’hôpital 184 274 230 317 160 245 122 150 157 185 109 133 Décès 606 17% 303 24% 303 13% 227 11% 93 16% 134 9% Les données sont l’écart type moyen ou No% Abréviations: CV, veineux central; Unité de soins intensifs, unité de soins intensifs Procédure de salle d’opération pendant> 30 minutesb Le nombre moyen de jours est indiqué pour les cas où le nombre de jours est positifVue Tableau 3 présente les principales estimations de la différence entre les frais de postinfection, la durée du séjour et le décès. une HAI résistante par rapport à une HAI sensible Dans une comparaison moyenne simple sans ajustement des facteurs de risque, les patients présentant des infections résistantes ont connu une augmentation statistiquement significative des frais de 70 000 $, durée du séjour de 7 jours et probabilité de décès de 011. Cependant, les estimations ne tiennent pas compte du fait que les patients ayant des infections plus résistantes peuvent être plus susceptibles d’avoir des résultats moins bons pour d’autres raisons. La colonne suivante montre des résultats de régression linéaire ajustés aux variables de confusion décrites ci-dessus; les estimations deviennent beaucoup plus petites et, dans certains cas, statistiquement insignifiantes Les patients ayant des infections résistantes ont environ 8000 $ de plus en frais et un peu plus d’un jour supplémentaire à l’hôpital, bien que ces différences ne soient pas statistiquement significatives. en fonction du score de propension, les estimations sont légèrement plus grandes que celles du modèle linéaire, et maintenant statistiquement significatives pour les charges

Tableau 3 Estimations de la différence entre les frais d’hospitalisation, de séjour à l’hôpital et de décès entre les personnes infectées par des agents antimicrobiens et non sensibles aux soins de santé Modèles non censurés Modèles censurés en fonction de la mortalité Correspondance linéaire non ajustée Linéaire non désajustée Total No 3557 3557 2167 3557 3557 1240 1240 1083 1240 1240 1083 Contrôles uniques infection sensible 2317 2317 692 2317 2317 692 Frais hospitaliers, en 1000 $ IC à 95% 706 507-904a 82 -5 à 170 156 43-269a 1009 796-1221a 152 67-236a 1899 91-289a R2 0015 0854 0854 0002 0152 0154 Durée de l’hospitalisation, d IC 95% 70 50-90a 11 -2 à 25 16 -1 à 32 104 83-125a 18 7-30a 22 8-35a R2 0015 0727 0735 0003 0166 0166 Probabilité de mort 95% CI 011 09-14a 005 02-08a 004 01-08b … … … R2 0021 0253 0287 … … … Modèles non censurés Modèles censurés pour la mort Non ajusté L Correspondance linéaire linéaire non ajustée Total No 3557 3557 2167 3557 3557 2167 Infection résistante 1240 1240 1083 1240 1240 1083 Contrôles uniques infection sensible 2317 2317 692 2317 2317 692 Frais hospitaliers, en 1000 $ IC à 95% 706 507-904a 82 -5 à 170 156 43-269a 1009 796-1221a 152 67-236a 1899 91-289a R2 0015 0854 0854 0002 0152 0154 Durée de l’hospitalisation, d IC 95% 70 50-90a 11 -2 à 25 16 -1 à 32 104 83-125a 18 7-30a 22 8-35a R2 0015 0727 0735 0003 0166 0166 Probabilité de décès 95% CI 011 09-14a 005 02-08a 004 01-08b … … … R2 0021 0253 0287 … … … Modèles linéaires et d’appariement ajustés en fonction du sexe; âge 5 ans; année et mois d’admission; hôpital; organisme; site d’infection; hospitalisation préalable; Diabète; dermatite chronique; traumatisme; blessures; des brûlures; séjour préalable dans un établissement de soins infirmiers qualifié; insuffisance rénale; antécédents de toxicomanie; avoir ≥ 1 colocataire d’hôpital; Classifications cliniques Catégories de logiciels Agence de recherche et de qualité en santé; utilisation et nombre de jours d’utilisation de médicaments chimiothérapeutiques, immunosuppresseurs et anti-inflammatoires; ventilation mécanique; cathétérisme urinaire, veineux central ou cardiaque; angiographie par cathéter; stent vasculaire; dialyse; opération chirurgicale; anesthésie générale; intubation; séjour en unité de soins intensifs; Le modèle correspondant utilise l’appariement du voisin le plus proche basé sur les estimations du score de propension avec remplacement après appariement exact sur l’organisme d’intérêt, le site corporel et le jour d’hospitalisation où l’infection a eu lieu Modèles censurés utilisant la mort comme censure variables, donc les modèles de probabilité de décès ne peuvent être estimés Les infections associées aux soins de santé étaient définies comme celles diagnostiquées le troisième jour à l’hôpital ou plus tard. Abréviation: IC, intervalle de confianceaP & lt; 01bP & lt; 05View Large Les résultats présentés jusqu’à présent ne tiennent pas compte du fait que les résultats des patients qui meurent à l’hôpital sont censurés par définition. Le groupe suivant du tableau 3 répète le même ensemble de résultats mais en utilisant des modèles censurés et les résultats deviennent beaucoup plus importants. Par exemple, les résultats de la régression linéaire suggèrent que les patients ayant des infections résistantes ont eu des frais supérieurs de 15 000 $ et sont restés près de 2 jours de plus que les patients avec des infections sensibles, les deux estimations étant statistiquement significatives. Les résultats montrent généralement une tendance similaire à celle du tableau 3, avec des estimations ajustées plus petites que les estimations non ajustées, les estimations du score de propension légèrement supérieures à celles du tableau 3. les estimations de régression linéaire à travers les estimations du modèle linéaire sont maintenant L’incidence de l’infection résistante sur les frais et la durée du séjour est généralement plus élevée pour le CAI que pour le HAI Par exemple, dans le modèle linéaire censuré, les patients ayant des infections résistantes ont reçu des frais supplémentaires de près de 31 000 $ et un peu plus de 35 jours supplémentaires à l’hôpital, soit environ deux fois plus que les estimations HAI

Tableau 4 Estimations de la différence entre les frais hospitaliers, le séjour à l’hôpital et le décès entre ceux qui ont des infections communautaires et antibactériennes non censurées Modèles non censurés Modèles censurés pour la mort Correspondance linéaire non ajustée Linéaire non ajustée Total No 2142 2142 1110 2142 2142 1110 Infection résistante 579 579 555 579 579 555 Contrôles uniques infection sensible 1563 1563 376 1563 1563 376 Frais hospitaliers, en 1000 $ IC à 95% 407 264-550a 240 101-378a 256 93-418a 506 377-636a 309 185-433a 324 171-476a R2 0020 0199 0212 0002 0024 0027 Durée du séjour à l’hôpital, d 95% CI 48 32-65a 28 11-44a 34 15-53a 61 46-77a 37 22-52a 42 25-60a R2 0020 0187 0199 0004 0036 0039 Probabilité de décès 95 % CI 008 04-11a 004 01-07b 003 -02 à 08 … … … R2 0012 0168 0215 … … … Modèles non censurés Modèles censurés pour la mort Maté linéaire non ajusté hing Correspondance linéaire non ajustée Total No 2142 2142 1110 2142 2142 1110 Infection résistante 579 579 555 579 579 555 Contrôles uniques infection sensible 1563 1563 376 1563 1563 376 Frais hospitaliers, en 1000 $ IC à 95% 407 264-550a 240 101-378a 256 93- 418a 506 377-636a 309 185-433a 324 171-476a R2 0020 0199 0212 0002 0024 0027 Durée du séjour à l’hôpital, d 95% CI 48 32-65a 28 11-44a 34 15-53a 61 46-77a 37 22-52a 42 25-60a R2 0020 0187 0199 0004 0036 0039 Probabilité de décès 95% IC 008 04-11a 004 01-07b 003 -02 à 08 … … … R2 0012 0168 0215 … … … Modèles linéaires et d’appariement ajustés en fonction du sexe; âge 5 ans; année et mois; hôpital; site d’infection d’organisme; hospitalisation préalable; Diabète; dermatite chronique; traumatisme; blessures; des brûlures; séjour préalable dans un établissement de soins infirmiers qualifié; insuffisance rénale; antécédents de toxicomanie; avoir ≥ 1 colocataire d’hôpital; Classifications cliniques Catégories de logiciels Agence de recherche et de qualité en santé; Le modèle correspondant utilise l’appariement du voisin le plus proche basé sur les estimations du score de propension avec remplacement après appariement exact sur l’organisme d’intérêt, le site corporel et le jour d’hospitalisation où l’infection a eu lieu Modèles censurés utilisant la mort comme censure variables, donc les modèles de probabilité de décès ne peuvent être estimés Les infections associées à la communauté étaient définies comme celles diagnostiquées dans les 3 premiers jours d’hospitalisation chez les patients non hospitalisés au cours des 7 jours précédents. Abréviation: CI, intervalle de confianceaP & lt; 01bP & lt; 05View LargeTable 5 présente des estimations par type d’organisme et de site corporel pour les IAS, en se concentrant uniquement sur les modèles utilisant un ajustement linéaire pour les covariables. Dans les modèles non censurés, aucune des infections résistantes causées par des organismes ou des sites corporels spécifiques durée de séjour, sauf pour les entérocoques résistants à la vancomycine ERV Les taux de décès étaient significativement plus élevés pour les IAS causées par des espèces résistantes d’entérocoques ou K pneumoniae ainsi que la pneumonie et les infections urinaires. pour les espèces d’Enterococcus, K pneumoniae, la pneumonie et l’UTI

Tableau 5 Estimations de la différence entre les frais hospitaliers, le séjour à l’hôpital et le décès entre personnes ayant des infections nosocomiales et des infections nosocomiales par type d’organisme Enterococcus faecalis / faecium Klebsiella pneumoniae Pseudomonas aeruginosa Staphylococcus aureus BSI PNU UTI Total Non 1270 917 540 671 715 801 2041 Infections résistantes 561 173 118 318 293 311 636 Contrôles uniques infection sensible 709 744 422 353 422 490 1405 A Modèles non censurés Frais hospitaliers, en 1000 $ IC à 95% 146 1-291a -17 -217 à 183 253 -13 à 520 -152 -364 à 61 196 -6 à 398 -59 -306 à 188 90 -5 à 185 R2 0871 0883 0910 0846 0878 0892 0815 Durée du séjour à l’hôpital, en jours IC 95% 046 -192 à 284 004 -274 à 281 243 -32 à 519 016 -277 à 308 214 -77 à 504 053 -264 à 370 065 -66 à 196 R2 0721 0808 0896 0730 0784 0824 0667 Probabilité de décès 95% CI 005 01 à 09a 007 01 à 14a 002 -06 à 09 -001 -07 à 06 005 -03 à 12 008 01-15a 004 01-07a R2 0351 0288 0367 0336 0372 0315 0245 B Modèles censurés en cas de décès Frais hospitaliers, en $ 1000s IC 95% 169 46-293b 132 -59 à 322 314 101-528b -160 -369 à 48 271 60-482a 43 -203 à 288 143 55-232b R2 0169 0170 0179 0145 0162 0164 0140 Durée du séjour à l’hôpital, en jours IC 95% 085 -86 à 255 163 -96 à 421 330 87-573b 042 -229 à 313 304 24-584a 129 -166 à 423 137 13-262a R2 0169 0198 0258 0161 0187 0201 0144 Enterococcus faecalis / faecium Klebsiella pneumoniae Pseudomonas aeruginosa Staphylococcus aureus BSI PNU UTI Total No 1270 917 540 671 715 801 2041 Infections résistantes 561 173 118 318 293 311 636 Infections sensibles sensibles 709 744 422 353 422 490 1405 A Modèles non censurés Frais hospitaliers, en 1000 $ IC 95% 146 1-291a -17 -217 à 183 253 -13 à 520 -152 -364 à 61 196 -6 à 398 -59 -306 à 188 90 -5 à 185 R2 0871 0883 0910 0846 0878 0892 0815 Durée du séjour à l’hôpital, en jours IC 95% 046 -192 à 284 004 -274 à 281 243 -32 à 519 016 -277 à 308 214 -77 à 504 053 -264 à 370 065 -66 à 196 R2 0721 0808 0896 0730 0784 0824 0667 Probabilité de décès 95% CI 005 01 à 09a 007 01 à 14a 002 -06 à 09 -001 -07 à 06 005 -03 à 12 008 01-15a 004 01-07a R2 0351 0288 0367 0336 0372 0315 0245 B Modèles censurés pour décès Frais hospitaliers, en 1000 $ IC 95% 169 46 -293b 132 -59 à 322 314 101-528b -160 -369 à 48 271 60-482a 43 -203 à 288 143 55-232b R2 0169 0170 0179 0145 0162 0164 0140 Durée du séjour à l’hôpital, en jours IC 95% 085 – 86 à 255 163 -96 à 421 330 87-573b 042 -229 à 313 304 24-584a 129 -166 à 423 137 13-262a R2 0169 0198 0258 0161 0187 0201 01 44 Voir les notes au tableau 3 Les résultats sont basés sur l’ajustement linéaire pour les covariables. Abréviations: BSI, infection de la circulation sanguine; CI, intervalle de confiance; PNU, pneumonie; UTI, Infection des voies urinairesP & lt; 05bP & lt; 01View LargeTable 6 affiche des résultats analogues pour CAI Les frais excessifs pour les infections CAI VRE étaient particulièrement élevés – 69 100 $ plus élevés que les infections sensibles aux entérocoques Les patients avec BSI ou UTI avec une souche résistante avaient également des charges significativement plus élevées. infectés par des espèces d’Enterococcus résistantes, P aeruginosa, et UTI aussi, et la probabilité de décès était significativement plus élevée pour BSI résistant Les estimations censurées sont encore considérablement plus élevées et plus précises, bien qu’il n’y ait généralement aucune différence dans la signification statistique

Tableau 6 Estimations de la différence entre les frais d’hospitalisation, de séjour à l’hôpital et de décès entre les personnes infectées par des antimicrobiens et les personnes infectées par la bactérie Enterococcus faecalis / faecium Klebsiella pneumoniae Pseudomonas aeruginosa Staphylococcus aureus BSI PNU UTI Total Non 521 720 214 535 621 182 1339 Infections résistantes 92 137 79 240 171 81 327 Contrôles uniques infection sensible 429 583 135 295 450 101 1012 A Modèles non censurés Frais hospitaliers, en 1000 $ IC à 95% 691 369-1014a 82 133-296 144 -78 à 366 -13 -232 à 206 235 1-469b 492 -330 à 1314 190 37-343b R2 0433 0195 0441 0202 0176 0404 0216 Durée du séjour à l’hôpital, en jours IC à 95% 703 310-1096a 181 -106 à 468 317 19 -615b -094 -356 à 167 171 -109 à 451 665 -177 à 1508 274 74-474a R2 0367 0174 0367 0206 0148 039 0204 Probabilité de décès 95% CI 006 -02 à 1 4 002 -05 à 08 004 -02 à 11 006 -00 à 11 010 03-17a -001 -12 à 10 002 -02 à 06 R2 0236 0125 0335 0269 0264 0421 0139 B Modèles censurés pour décès Frais d’hospitalisation, en 1000 $ IC à 95% 808 549-1067a 118 -105 à 342 53 -181 à 286 77 -174 à 328 432 170-693a 484 -225 à 1193 216 100-332a R2 0053 0023 0008 0025 0025 0046 0 Durée du séjour à l’hôpital, en jours IC 95% 886 572-1199a 234 -55 à 522 013 -316 à 343 007 -277 à 291 437 120-753a 627 -85 à 1338b 311 157-466a R2 0069 0031 0000 0038 0032 0067 0037 Enterococcus faecalis / faecium Klebsiella pneumoniae Pseudomonas aeruginosa Staphylococcus aureus BSI PNU UTI Total No 521 720 214 535 621 182 1339 Infections résistantes 92 137 79 240 171 81 327 Contrôles uniques infection sensible 429 583 135 295 450 101 1012 A Modèles non censurés Frais hospitaliers, en 1000 $ IC à 95% 691 369- 1014a 82 133-2 96 144 -78 à 366 -13 -232 à 206 235 1-469b 492 -330 à 1314 190 37-343b R2 0433 0195 0441 0202 0176 0404 0216 Durée du séjour à l’hôpital, en jours IC 95% 703 310-1096a 181 -106 à 468 317 19-615b -094 -356 à 167 171 -109 à 451 665 -177 à 1508 274 74-474a R2 0367 0174 0367 0206 0148 039 0204 Probabilité de décès 95% CI 006 -02 à 14 002 -05 à 08 004 -02 à 11 006 -00 à 11 010 03-17a -001 -12 à 10 002 -02 à 06 R2 0236 0125 0335 0269 0264 0421 0139 B Modèles censurés pour décès Frais hospitaliers, en 1000 $ IC à 95% 808 549- 1067a 118 -105 à 342 53 -181 à 286 77 -174 à 328 432 170-693a 484 -225 à 1193 216 100-332a R2 0053 0023 0008 0025 0025 0046 0 Durée du séjour à l’hôpital, en jours IC 95% 886 572- 1199a 234 -55 à 522 013 -316 à 343 007 -277 à 291 437 120-753a 627 -85 à 1338b 311 157-466a R2 0069 0031 0000 0038 0032 0067 0037 Voir les notes Totable 4 Les résultats sont basés sur l’ajustement linéaire pour covariatesAbbreviations: BSI, infection du sang; CI, intervalle de confiance; PNU, pneumonie; UTI, Infection des voies urinairesP & lt; 01bP & lt; 05View Large

DISCUSSION

Il existe peu de recherches sur les coûts de la résistance aux antimicrobiens et l’on s’entend généralement pour dire que la résistance est souvent associée à des coûts d’utilisation plus élevés, des hospitalisations plus longues et une augmentation de la mortalité [7, 14, 15]. Pour mieux comprendre les conséquences sanitaires et économiques de la résistance [16-18] Cette étude ajoute aux connaissances sur les coûts de la résistance aux antimicrobiens de plusieurs façons importantes. Nous avons appliqué des stratégies analytiques améliorées pour améliorer la rigueur méthodologique de l’étude. les données administratives pour tenir compte d’un large éventail de facteurs de confusion, y compris plusieurs indices de risque et le nombre de jours d’appareils pour les cathéters centraux, les cathéters urinaires et la ventilation mécanique; examiné à la fois CAI et HAI; Comme le montre le tableau 1, les sujets ayant des infections résistantes sont plus susceptibles d’avoir d’autres facteurs de risque augmentant leurs charges, leur durée de séjour et leur probabilité de décès. Sans surprise, les modèles non ajustés surestiment significativement l’impact des infections résistantes. Les modèles qui tiennent compte du fait que les patients ayant des infections résistantes ont plus de risques que les patients avec des infections sensibles produisent des estimations considérablement plus faibles. Nous avons également utilisé le score de propension le plus proche pour contrôler plus facilement les facteurs confusionnels. Nous sommes également les premiers chercheurs à enquêter sur les accusations censurées et la durée de séjour des personnes décédées, ce qui a permis d’obtenir des estimations beaucoup plus élevées puisqu’elle permet également de cerner les coûts sociétaux des infections résistantes. à des frais généralement plus élevés et le L’adoption de programmes rentables pour réduire la résistance aux antimicrobiens n’a pas atteint un niveau efficace, peut-être en raison des disparités entre les coûts privés et sociaux de l’infection: les hôpitaux supportent tous les coûts de ces programmes, mais peuvent ne pas cumuler tous les coûts. les avantages Une source de déséquilibre est le fait qu’un hôpital n’engage des coûts que si un patient est vivant. Ainsi, bien que la réduction des décès liés à l’infection présente un grand avantage pour les patients, elle peut augmenter plutôt que réduire les coûts hospitaliers. constaté que les patients ayant des infections résistantes étaient plus susceptibles de mourir à l’hôpital Ces décès antérieurs compensaient les coûts plus élevés encourus par les hôpitaux pour traiter les cas résistants pendant leur vie. Une fois ajusté pour ce risque accru de décès, l’impact estimé de la résistance augmentait 20% -60% par rapport aux estimations qui ne font pas cet ajustement Ainsi, la probabilité accrue de décès chez les patients Cela incite les hôpitaux à faire des investissements coûteux pour éviter la résistance. Cela suggère qu’une administration hospitalière axée uniquement sur le résultat ne verrait que peu d’avantages à cibler les infections résistantes en priorité, même si nos résultats montrent également que ces patients encourent beaucoup de des coûts plus élevés pendant qu’ils sont vivants et sont plus susceptibles de mourir

Coûts de la résistance par organisme et site corporel

Des études menées aux États-Unis, aux Pays-Bas, en Espagne et en Allemagne ont montré que l’infection à SARM augmente considérablement les coûts hospitaliers [19-24], mais une petite étude sur un seul site utilisant l’appariement du score de propension a révélé que les bactériémies résistantes à la méthicilline -sousceptible S aureus n’a pas augmenté de façon indépendante les coûts ou la durée du séjour [25] Des résultats significativement plus élevés ont été rapportés pour les ERV contre les bactériémies à entérocoques sensibles à la vancomycine [26] et pour Escherichia coli résistant [27-29]. La durée du séjour est généralement déterminée par les organismes Enterococcus species et P aeruginosa et par les sites corporels BSI et UTI Comme les résultats combinant les organismes et le site corporel, les estimations sont considérablement plus grandes et plus susceptibles d’être statistiquement significatives lors de l’estimation des modèles de régression censurés

Limites

Bien que nos modèles de régression contrôlent un large éventail de facteurs de risque, il est possible que la confusion résiduelle demeure Parce que l’utilisation des dossiers médicaux électroniques limitait la capacité d’obtenir des données sur les symptômes, nos définitions étaient principalement basées sur les résultats de laboratoire. que certaines de nos définitions reflètent la colonisation plutôt que l’infection clinique; Néanmoins, nos estimations de coûts sont susceptibles d’être prudentes. Enfin, certaines de nos analyses stratifiées avaient des tailles d’échantillon plus petites, ce qui rendait possible des erreurs de type II.

Prochaines étapes

Malgré le fait que les estimations de la résistance diffèrent d’une étude à l’autre, il existe de plus en plus de preuves que la résistance entraîne un certain nombre d’effets pervers, notamment des coûts accrus et une résistance aux antimicrobiens. Ces coûts sont souvent supportés par les tiers payants. Les centres pour Medicaid et Medicare sont susceptibles d’entraîner une plus grande proportion de ces coûts dans les hôpitaux [30]. Plusieurs stratégies ont été recommandées pour résoudre ce problème; les plus courants comprennent les programmes de gestion des antimicrobiens [31-35] et la surveillance active ou le dépistage de la résistance à l’admission à l’hôpital ou par intermittence chez les patients à risque élevé de développer une infection résistante [36-38] ou lente à venir [39-41], peut-être parce que ces pratiques ne sont pas pleinement respectées et mises en œuvre. Néanmoins, il peut être prudent que chaque centre de soins adopte une prescription plus judicieuse des antimicrobiens afin de minimiser les risques de résistance. précautions contre la barrière de temps pour prévenir la transmission croisée une fois que la résistance a émergé

Remarques

Contributions des auteurs M J N, analyse et interprétation des données; rédaction de manuscrit; révision critique du manuscrit; soutien administratif, technique ou matériel B C, acquisition de données; rédaction de manuscrit; révision critique du manuscrit; soutien administratif, technique ou matériel O F, interprétation des données; rédaction de manuscrit; révision critique du manuscrit; soutien administratif, technique ou matériel J H, analyse et interprétation des données; révision critique du manuscrit C Y J, analyse et interprétation des données; révision critique du manuscrit S G, conception et conception; obtenir du financement; surveillance; interprétation des données; révision critique du manuscrit E L L, conception et conception; obtenir du financement; surveillance; acquisition de données; interprétation des données; surveillance; soutien administratif, technique et matériel; rédaction de manuscrit; révision critique du manuscrit Soutien financier Ce travail a été soutenu par l’Institut national de recherche en soins infirmiers 5R01NR010822Potential conflits d’intérêts Tous les auteurs: Aucun conflit signaléTous les auteurs ont soumis le formulaire ICMJE pour la divulgation des conflits potentiels Conflits d’intérêts que les éditeurs considèrent pertinents pour le contenu de la manuscrit ont été divulgués

Maria Selma Restaurant, LLC – 1617 Richmond Ave, Houston Tx 77006
Website Developed by: E-nnovations Technologies and Marketing LLC