1165. Comparing Patient Risk Factors, Sequence Type, and Resistance Loci Identification Approaches for Predicting Antibiotic Resistance in Escherichia coli Bloodstream Infections
Notice bibliographique
Résumé
Abstract Background To improve the adequacy of empiric antibiotic therapy, an important predictor of clinical outcome, rapid diagnostic tests of antibiotic resistance are increasingly being developed that identify the presence or absence of antibiotic resistance genes/Loci. Few approaches have utilized other sources of predictive information, which could be identified in shorter time periods, including patient epidemiologic risk factors for antibiotic resistance and markers of lineage (e.g., sequence type). Methods Using a dataset of 414 Escherichia coli isolated from separate episodes of bacteremia at a single academic institution in Toronto, Canada between 2010 and 2015, we compared the potential predictive ability of three approaches (epidemiologic, sequence type, and gene identification) for classifying antibiotic resistance to three commonly used classes of broad-spectrum antibiotic therapy (third-generation cephalosporins, fluoroquinolones, and aminoglycosides). We used logistic regression models with binary predictor variables to generate model receiver operating characteristic curves. Predictive discrimination was measured using apparent and corrected (bootstrapped) area under the curves (AUCs). Results Using two simple epidemiologic risk factors (prior antibiotic exposure and recent prior Gram-negative susceptibility), modest predictive discrimination was achieved (AUCs 0.65–0.74). Sequence type demonstrated strong discrimination (AUCs 0.84–0.94) across all three antibiotic classes. Epidemiologic risk factors significantly improved sequence-type prediction for cephalosporins and aminoglycosides (P < 0.05). Gene identification approaches provided the highest degree of discrimination (AUCs 0.73–0.99), with no statistically significant benefit of adding epidemiologic predictors. Conclusion Rapid identification of sequence type, or other lineage-based classification, could produce excellent discrimination of antibiotic resistance, and may be improved by incorporating readily available epidemiologic predictors. Disclosures All authors: No reported disclosures.
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 | 0,001 |
| 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 | 0,001 | 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 ».