Efficacy of common hospital biocides with biofilms of multi-drug resistant clinical isolates
Notice bibliographique
Résumé
The hospital environment is particularly susceptible to contamination by bacterial pathogens that grow on surfaces in biofilms. The effects of hospital biocides on two nosocomial pathogens, meticillin-resistant Staphylococcus aureus (MRSA) and Pseudomonas aeruginosa, growing as free-floating (planktonic) and adherent biofilm populations (sessile) were examined. Clinical isolates of MRSA and P. aeruginosa were grown as biofilms on discs of materials found in the hospital environment (stainless steel, glass, polyethylene and Teflon) and treated with three commonly used hospital biocides containing benzalkonium chloride (1 % w/v), chlorhexidine gluconate (4 % w/v) and triclosan (1 % w/v). Cell viability following biocide treatment was determined using an XTT assay and the LIVE/DEAD BacLight Bacterial Viability kit. The minimum bactericidal concentration (MBC) of all biocides for planktonic populations of both organisms was considerably less than the concentration recommended for use by the manufacturer. However, when isolates were grown as biofilms, the biocides were ineffective at killing bacteria at the concentrations recommended for use. Following biocide treatment, 0-11 % of cells in MRSA biofilms survived, and up to 80 % of cells in P. aeruginosa biofilms survived. This study suggests that although biocides may be effective against planktonic populations of bacteria, some biocides currently used in hospitals are ineffective against nosocomial pathogens growing as biofilms attached to surfaces and fail to control this reservoir for hospital-acquired infection.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,000 | 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 ».