Antibiotic‐resistant <i>Propionibacterium acnes</i> among acne patients in a regional skin centre in Hong Kong
Notice bibliographique
Résumé
BACKGROUND: There has been no study on antibiotic-resistant Propionibacterium acnes in Hong Kong. OBJECTIVE: We investigated the prevalence and pattern of antibiotic-resistant P. acnes and to identify any associated factors for harbouring the resistant strains. METHODS: Culture and sensitivity testing of P. acnes to commonly used antibiotics were performed. Resistance to tetracycline was defined at a minimal inhibitory concentration (MIC) of 2 μg/mL or more; erythromycin at an MIC of 0.5 μg/mL or more; clindamycin at an MIC of 0.25 μg/mL or more according to EUCAST. For breakpoints of doxycycline and minocycline, those with an MIC of 1 μg/mL or more were defined as resistant strains. RESULTS: Among the 111 specimens collected from 111 patients, 86 strains of P. acnes were recovered, one from each specimen. Twenty-five specimens had no growth. Forty-seven (54.8%) strains were found to be resistant to one or more antibiotics. Forty-six (53.5%), 18 (20.9%), 14 (16.3%), 14(16.3%) and 14 (16.3%) strains were resistant to clindamycin (CL), erythromycin (EM), tetracycline (TET), doxycycline (DOX) and minocycline (MR) respectively. Ten strains (11.6%) had cross resistance between the MLS antibiotics (erythromycin or clindamycin), one strain (1.2%) had cross resistance among the cyclines and 14 strains (16.4%) had cross resistance between the MLS and cycline antibiotics. Binary logistic regression showed an association between MLS antibiotic resistance with an increased age whereas cycline resistance was associated with the duration of treatment. CONCLUSION: Antibiotic-resistant P. acnes is prevalent in Hong Kong. Dermatologists should be more vigilant in prescribing antibiotics for acne patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».