MétaCan
Menu
← Retour à la cohorte
Enregistrement W2370974747

Detection of ESBLs-producing Proteus

2003· article· en· W2370974747 sur OpenAlexaff
Mao LIN

Notice bibliographique

RevueChinese Journal of Nosoconmiology · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensCAE (Canada)
Organismes subventionnairesnon disponible
Mots-clésEtestCeftazidimeCefotaximeImipenemProteusAgar diffusion testMicrobiologyMedicineAntibiotic sensitivityAntibioticsAntibiotic resistanceBiologyPseudomonas aeruginosaBacteria
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE To investigate the antibiotic resistance of Proteus, evaluate the antimicrobial susceptibility testing methods, and give some suggestions for clinical antibiotic usage.METHODS Forty five clinical isolates were collected from Aug 1998 to Dec 1999 in General Hospital and the 304th hospital of PLA. They were all tested by disk diffusion method, double disk synergy test(DDST), Etest and confirmatory test of disk diffusion.RESULTS (1) All the isolates displayed high sensitivity to imipenem(IMP). The sensitivity to sulfamethoxazole co(SMZ co ), ciprofloxacin(CIP) and gentamicin(GEN) was low. (2) The testing results of three methods of DDST, Etest and confirmatory test of disk diffusion showed well consistent. (3) Cefotaxime(CTX) was a more sensitive indicator than ceftazidime(CAZ) in screening ESBLs producing Proteus (P0.05). CONCLUSIONS (1) Imipenem can be used as the best drug for ESBLs producing Proteus infections. (2) The combination of disk diffusion method and double disk synergy test was a better method for its high sensitivity and specificity, low cost and easy to implement. (3) Cefotaxime was a more sensitive indicator than ceftazidime in screening ESBLs producing Proteus. It is suggested that using both drugs in screening ESBLs producing Proteus in Beijing city improve the detecting rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,260
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of Nosoconmiology→Même sujetAntibiotic Resistance in Bacteria→Travaux en français237 207→