Effectiveness of honey on <i>Staphylococcus aureus</i> and <i>Pseudomonas aeruginosa</i> biofilms
Notice bibliographique
Résumé
OBJECTIVES: Biofilms formed by Pseudomonas aeruginosa (PA) and Staphylococcus aureus (SA) have been shown to be an important factor in the pathophysiology of chronic rhinosinusitis (CRS). As well, honey has been used as an effective topical antimicrobial agent for years. Our objective is to determine the in vitro effect of honey against biofilms produced by PA and SA. STUDY DESIGN: In vitro testing of honey against bacterial biofilms. METHODS: We used a previously established biofilm model to assess antibacterial activity of honey against 11 methicillin-susceptible SA (MSSA), 11 methicillin-resistant SA (MRSA), and 11 PA isolates. Honeys were tested against both planktonic and biofilm-grown bacteria. RESULTS: Honey was effective in killing 100 percent of the isolates in the planktonic form. The bactericidal rates for the Sidr and Manuka honeys against MSSA, MRSA, and PA biofilms were 63-82 percent, 73-63 percent, and 91-91 percent, respectively. These rates were significantly higher (P<0.001) than those seen with single antibiotics commonly used against SA. CONCLUSION: Honey, which is a natural, nontoxic, and inexpensive product, is effective in killing SA and PA bacterial biofilms. This intriguing observation may have important clinical implications and could lead to a new approach for treating refractory CRS.
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) | 0,000 | 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 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 ».