MétaCan
Menu
Retour à la cohorte
Enregistrement W2899464379 · doi:10.1164/rccm.201711-2333oc

Drug-Penetration Gradients Associated with Acquired Drug Resistance in Patients with Tuberculosis

2018· article· en· W2899464379 sur OpenAlexaff
Keertan Dheda, Laura Lenders, Gesham Magombedze, Shashikant Srivastava, Prithvi Raj, Erland Arning, Paula Ashcraft, Teodoro Bottiglieri, Helen Wainwright, Timothy Pennel, Anthony Linegar, Loven Moodley, Anil Pooran, Jotam G. Pasipanodya, Frederick A. Sirgel, Paul D. van Helden, Edward K. Wakeland, Robin M. Warren, Tawanda Gumbo

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesMedical Research CouncilNational Institutes of HealthSouth African Medical Research CouncilNational Research Foundation
Mots-clésMedicineDrugTuberculosisDrug resistancePenetration (warfare)Internal medicinePharmacologyPathologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

RATIONALE: Acquired resistance is an important driver of multidrug-resistant tuberculosis (TB), even with good treatment adherence. However, exactly what initiates the resistance and how it arises remain poorly understood. OBJECTIVES: To identify the relationship between drug concentrations and drug susceptibility readouts (minimum inhibitory concentrations [MICs]) in the TB cavity. METHODS: We recruited patients with medically incurable TB who were undergoing therapeutic lung resection while on treatment with a cocktail of second-line anti-TB drugs. On the day of surgery, antibiotic concentrations were measured in the blood and at seven prespecified biopsy sites within each cavity. Mycobacterium tuberculosis was grown from each biopsy site, MICs of each drug identified, and whole-genome sequencing performed. Spearman correlation coefficients between drug concentration and MIC were calculated. MEASUREMENTS AND MAIN RESULTS: Fourteen patients treated for a median of 13 months (range, 5-31 mo) were recruited. MICs and drug resistance-associated single-nucleotide variants differed between the different geospatial locations within each cavity, and with pretreatment and serial sputum isolates, consistent with ongoing acquisition of resistance. However, pretreatment sputum MIC had an accuracy of only 49.48% in predicting cavitary MICs. There were large concentration-distance gradients for each antibiotic. The location-specific concentrations inversely correlated with MICs (P < 0.05) and therefore acquired resistance. Moreover, pharmacokinetic/pharmacodynamic exposures known to amplify drug-resistant subpopulations were encountered in all positions. CONCLUSIONS: These data inform interventional strategies relevant to drug delivery, dosing, and diagnostics to prevent the development of acquired resistance. The role of high intracavitary penetration as a biomarker of antibiotic efficacy, when assessing new regimens, requires clarification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,905

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,306
Écart entre enseignants0,293 · 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 tête enseignante, 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

Citations163
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care MedicineMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207