Bacteriological profile of neonatal septicemia: A retrospective analysis from a tertiary care hospital in Loni
Notice bibliographique
Résumé
Septicemia continues to be a major cause of neonatal mortality and morbidity worldwide. Epidemiology and surveillance of neonatal sepsis helps in implementation of rational empirical antibiotic strategy. To study the bacteriological profile and antibiotic sensitivity pattern and types of neonatal septicemia among the suspected blood & CSF samples coming to Microbiology Department of Pravara Rural Hospital. All the reports fulfilling the eligibility criteria were studied for Percentage of neonatal sepsis in suspected blood and CSF samples, Percentage of bacteriological sepsis (Gram-positive and Gramnegative sepsis), Bacterialogical profile, Percentage of EOS (Early Onset Sepsis) and LOS (Late Onset Sepsis) in confirmed cases, Antibiotic Sensitivity Tests. The study showed a culture positivity of 259 blood culture samples (23.31%) for bacterial growth out of 1111 and 36 (5.99%) positive out of 601 C.S.F culture samples. Early onset sepsis (92.54%) was found to be predominant with Klebsiella the predominant EOS pathogens and Coagulase Negative Staphylococci (CONS) as predominant LOS pathogen. Gram Negative sepsis (59.32%) predominated in this study. In this study the predominant organisms were found to be Klebsiella (28.81%). The antibiotic sensitivity testing showed that gram negative isolates were sensitive to Meropenem and gram positive isolates to Linezolid, Netilmicin and Chloramphenicol. The most common bacteria causing neonatal sepsis was found to be Klebsiella and the gram negative samples showed highest sensitivity for Meropenem and Cefazolin was found to be most resistant. The gram positive samples showed highest sensitivity for Linezolid and Penicillin and Ampicillin were found to be most resistant.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| 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 ».