Pathogen yield and antimicrobial resistance patterns of chronic rhinosinusitis patients presenting to a tertiary rhinology centre.
Notice bibliographique
Résumé
OBJECTIVES: To examine the yield and resistance profile of pathogens in chronic rhinosinusitis (CRS) patients receiving culture-directed management and to pay particular attention to the prevalence of methicillin-resistant Staphylococcus aureus (MRSA) in this population. STUDY DESIGN: Retrospective review of a CRS microbiology database. PARTICIPANTS: Consecutive CRS patients seen at the St. Paul's Sinus Centre between June 2007 and August 2008. SETTING: Canadian tertiary sinus centre. MAIN OUTCOME MEASURE: To determine the pathogens isolated, the frequency of these pathogens, and their resistance profiles. RESULTS: The most common bacterial pathogens isolated were Staphylococcus aureus, accounting for 39% of cultured samples, followed by Haemophilus influenzae (29%), Pseudomonas aeruginosa (15%), Streptococcus pneumoniae (12%), and Moraxella catarrhalis (11%). Only three cases of MRSA were found, one in a patient with cystic fibrosis. CONCLUSION: MRSA does not appear to pose a significant risk of morbidity in our patient population. However, ongoing concern regarding the increasing prevalence of S. aureus and antimicrobial resistance in chronic sinonasal disease highlights the importance of using culture-directed antimicrobial therapy with the goal of minimizing future resistance patterns.
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 | 0,000 | 0,003 |
| 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 | 0,001 | 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) | 0,002 | 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 ».