Trends in antibiotic resistance over time among pathogens from Canadian hospitals: results of the CANWARD study 2007-11
Notice bibliographique
Résumé
OBJECTIVES: Antimicrobial resistance patterns change over time and longitudinal surveillance studies provide insight into these trends. We sought to describe the important trends in antimicrobial resistance in key pathogens across Canada to provide useful information to clinicians, policy makers and industry, to assist in optimizing antimicrobial therapy, formulary choices and drug development. METHODS: We analysed longitudinal data from the CANWARD study using a multivariate regression model to control for possible effects of patient demographics on resistance, in order to assess the impact of time on antimicrobial resistance independent of other measured variables. RESULTS: We identified several key trends in common pathogens. In particular, we observed a statistically significant increase in the proportion of Escherichia coli isolates that were resistant to extended-spectrum cephalosporins and fluoroquinolones, an increase in the proportion of Klebsiella pneumoniae isolates that were resistant to extended-spectrum cephalosporins, a reduction in the proportion of Staphylococcus aureus that were methicillin, clindamycin and trimethoprim/sulfamethoxazole resistant, and a reduction in the proportion of Pseudomonas aeruginosa that were fluoroquinolone and gentamicin resistant. CONCLUSIONS: Although some of these trends, such as the dramatic increase in fluoroquinolone and cephalosporin resistance in E. coli, can be attributed to the emergence and global spread of resistant clones (e.g. ST131 E. coli), others remain unexplained. However, recognizing these trends remains important to guide changes in empirical antimicrobial therapy and drug development.
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) | 0,001 | 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 | 0,001 | 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 ».