Profiling non-tuberculous mycobacteria in an Asian setting: characteristics and clinical outcomes of hospitalized patients in Singapore
Notice bibliographique
Résumé
BACKGROUND: Non-tuberculous mycobacteria (NTM) infection is an increasing problem worldwide. The epidemiology of NTM in most Asian countries is unknown. This study investigated the epidemiology, and clinical profile of inpatients in whom NTM was isolated from various anatomical sites in a Singaporean population attending a major tertiary referral centre. METHODS: Demographic profile, clinical data, and characteristics of patients hospitalized with NTM isolates at a major tertiary hospital over two-year period were prospectively assessed (2011-2012). Data collected included patient demographics, ethnicity, smoking status, co-morbidities, NTM species, intensive care unit (ICU) treatment, and mortality. RESULTS: A total of 485 patients (62.1% male) with 560 hospital admissions were analysed. The median patient age was 70 years. Thirteen different NTM species were isolated from this cohort. Mycobacterium abscessus (M. abscessus) (38.4%) was most frequently isolated followed by Mycobacterium fortuitum (M. fortuitum) (16.6%), Mycobacterium avium complex (MAC) (16.3%), Mycobacterium kansasii (M. kansasii) (15.4%), and Mycobacterium gordonae (M. gordonae) (6.8%). Most (91%) NTM was isolated from the respiratory tract. The three most common non-pulmonary sites were; blood (2.7%), skin wounds and abscesses (2.1%), and gastric aspirates (1.1%). A third (34.4%) of the study population had prior pulmonary tuberculosis (PTB). There was a significant association between isolated NTM species, and patient age (p = 0.0002). Eleven (2.2%) patients received intensive care unit (ICU) treatment during the study period and all cause mortality within 1 year of the study was 16.9% (n = 82). Of these, 72 (87.8%) patients died of pulmonary causes. CONCLUSIONS: The profile of NTM species in Singapore is unique. M. abscessus is the commonest NTM isolated, with a higher prevalence in males, and in the elderly. High NTM prevalence is associated with high rates of prior PTB in our cohort.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».