Impact of the ST101 clone on fatality among patients with colistin-resistant Klebsiella pneumoniae infection
Notice bibliographique
Résumé
Objectives: We describe the molecular characteristics of colistin resistance and its impact on patient mortality. Methods: A prospective cohort study was performed in seven different Turkish hospitals. The genotype of each isolate was determined by MLST and repetitive extragenic palindromic PCR (rep-PCR). Alterations in mgrB were detected by sequencing. Upregulation of pmrCAB, phoQ and pmrK was quantified by RT-PCR. mcr-1 and the genes encoding OXA-48, NDM-1 and KPC were amplified by PCR. Results: A total of 115 patients diagnosed with colistin-resistant K. pneumoniae (ColR-Kp) infection were included. Patients were predominantly males (55%) with a median age of 63 (IQR 46-74) and the 30 day mortality rate was 61%. ST101 was the most common ST and accounted for 68 (59%) of the ColR-Kp. The 30 day mortality rate in patients with these isolates was 72%. In ST101, 94% (64/68) of the isolates had an altered mgrB gene, whereas the alteration occurred in 40% (19/47) of non-ST101 isolates. The OXA-48 and NDM-1 carbapenemases were found in 93 (81%) and 22 (19%) of the total 115 isolates, respectively. In multivariate analysis for the prediction of 30 day mortality, ST101 (OR 3.4, CI 1.46-8.15, P = 0.005) and ICU stay (OR 7.4, CI 2.23-29.61, P = 0.002) were found to be significantly associated covariates. Conclusions: Besides ICU stay, ST101 was found to be a significant independent predictor of patient mortality among those infected with ColR-Kp. A significant association was detected between ST101 and OXA-48. ST101 may become a global threat in the dissemination of colistin resistance and the increased morbidity and mortality of K. pneumoniae 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».