Clinical Factors Associated with Bacterial Biofilm Formation in Chronic Rhinosinusitis
Notice bibliographique
Résumé
OBJECTIVES: Bacterial biofilms appear to contribute to chronic rhinosinusitis. However, the mechanism behind biofilm formation in chronic rhinosinusitis remains poorly defined. The aim of this study is to evaluate clinical factors that may be associated with bacterial biofilm formation in chronic rhinosinusitis. STUDY DESIGN: Cross-sectional study. SETTING: Department of Otorhinolaryngology-Head and Neck Surgery at the Hospital of the University of Pennsylvania. SUBJECTS AND METHODS: Five hundred eighteen patients with chronic rhinosinusitis were enrolled from 2007 to 2010. Samples were taken to evaluate for biofilm formation in vitro using a modified Calgary Biofilm Detection Assay. Clinical data were collected from chart review. Pearson's χ(2) and logistic regression were used for the analyses. RESULTS: Of the patients, 108 (20.9%) showed biofilm formation in vitro. Bacterial biofilm formation in vitro was not significantly associated with polyps, allergy, Samter's triad, sleep apnea, smoking status, age, or gender. However, it was significantly associated with positive culture results (odds ratio [OR] = 3.13; 95% confidence interval [CI], 1.85-5.29; P < .001), prior sinus surgeries (1.93; 1.01-3.69; P = .046), and nasal steroid use in the month prior to sample collection (2.09; 1.07-4.08; P = .030). Polymicrobial cultures, Pseudomonas aeruginosa, and Staphylococcus aureus comprised most of the samples. CONCLUSION: The results of this study suggest that the probability of bacterial biofilm formation is independent of many clinical factors considered to be risk factors for chronic rhinosinusitis. Further studies are needed to clarify the nature of the associations between prior sinus surgeries, nasal steroid use, and biofilm formation.
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 | 0,000 |
| 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 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 ».