The Use of Polymerase Chain Reaction Amplification for the Detection of Viruses and Bacteria in Severe Community-Acquired Pneumonia
Notice bibliographique
Résumé
BACKGROUND: Pathogens are often not identified in severe community-acquired pneumonia (CAP), and the few studies using polymerase chain reaction (PCR) techniques for virus detection are from temperate countries. OBJECTIVE: This study assesses if PCR amplification improves virus and bacteria detection, and if viral infection contributes to mortality in severe CAP in a tropical setting, where respiratory pathogens have less well-defined seasonality. METHODS: In this cohort study of patients with severe CAP in an intensive care unit, endotracheal aspirates for intubated patients and nasopharyngeal swabs for non-intubated patients were sent for PCR amplification for respiratory viruses. Blood, endotracheal aspirates for intubated patients, and sputum for non-intubated patients were analysed using a multiplex PCR system for bacteria. RESULTS: Out of 100 patients, using predominantly cultures, bacteria were identified in 42 patients; PCR amplification increased this number to 55 patients. PCR amplification identified viruses in 32 patients. In total, only bacteria, only viruses, and both bacteria and viruses were found in 37, 14, and 18 patients, respectively. The commonest viruses were influenza A H1N1/2009 and rhinovirus; the commonest bacterium was Streptococcus pneumoniae. Hospital mortality rates for patients with no pathogens, bacterial infection, viral infection, and bacterial-viral co-infection were 16.1, 24.3, 0, and 5.6%, respectively (p = 0.10). On multivariable analysis, virus detection was associated with lower mortality (adjusted odds ratio 0.12, 95% confidence interval 0.2-0.99; p = 0.049). CONCLUSIONS: Viruses and bacteria were detected in 7 of 10 patients with severe CAP with the aid of PCR amplification. Viral infection appears to be independently associated with lower mortality.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».