LiF Reduces MICs of Antibiotics against Clinical Isolates of Gram-Positive and Gram-Negative Bacteria
Notice bibliographique
Résumé
Antibiotic resistance is an ever-growing problem yet the development of new antibiotics has slowed to a trickle, giving rise to the use of combination therapy to eradicate infections. The purpose of this study was to evaluate the combined inhibitory effect of lithium fluoride (LiF) and commonly used antimicrobials on the growth of the following bacteria: Enterococcus faecalis, Staphyloccoccus aureus, Escherichia coli, Pseudomonas aeruginosa, Acinetobacter baumannii, Klebsiella pneumoniae, Serratia marcescens, and Streptococcus pneumoniae. The in vitro activities of ceftazidime, sulfamethoxazole-trimethoprim, streptomycin, erythromycin, amoxicillin, and ciprofloxacin, doxycycline, alone or combined with LiF were performed by microdilution method. MICs were determined visually following 18-20 h of incubation at 37°C. We observed reduced MICs of antibiotics associated with LiF ranging from two-fold to sixteen-fold. The strongest decreases of MICs observed were for streptomycin and erythromycin associated with LiF against Acinetobacter baumannii and Streptococcus pneumoniae. An eight-fold reduction was recorded for streptomycin against S. pneumoniae whereas an eight-fold and a sixteen-fold reduction were obtained for erythromycin against A. baumannii and S. pneumoniae. This suggests that LiF exhibits a synergistic effect with a wide range of antibiotics and is indicative of its potential as an adjuvant in antibiotic therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».