Antibiotic adjuvants: multicomponent anti-infective strategies
Notice bibliographique
Résumé
The unremitting emergence of multidrug-resistant bacterial pathogens highlights a matching need for new therapeutic options. For example, new carbapenemases such as KPC (class A Klebsiella pneumoniae) and NDM-1 (New Delhi metallo-β-lactamase 1) are surfacing, resulting in almost total resistance to β-lactam antibiotics. Furthermore, resistance is quickly disseminated, not only in the healthcare sector, but also within the community at large, because many resistance determinants are carried on mobile genetic elements readily shared among pathogens. The absence of new antibiotics has led to a growing reliance on older, more toxic drugs such as colistin, but resistance to these is already arising. One approach to combat this growing problem is the use of combination drug antibiotic adjuvant therapy, which potentiates the activity of antibiotics. Here, we review the current situation and discuss potential drug combinations that may increase the potency of antibiotics in the future. Adjuvant therapies include antibiotic combinations, synergy between antibiotics and nonantibiotics, inhibition of resistance and molecules that alter the physiology of antibiotic-insensitive cells, such as those in biofilms. We provide a rationale for these multicomponent strategies, highlighting current research and important considerations for their clinical use and pharmacological properties.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».