Antimicrobial Sensitivity Profile of Eye Infection in Dogs
Notice bibliographique
Résumé
In the present study 88 number of corneal swabs were collected from 8 different breeds of dog suffering from corneal diseases. All the dogs were presented to Teaching Veterinary Clinical Complex of Odisha Veterinary College for treatment during the period from December 2018 to June 2019. The breeds consists of Non-descript (n=18), Pug (n=11), Labrador (n=10), German shepherd (n=12), Spitz (n=14), Golden retriever (n=10), Dalmatian (n=7), and Mastiff (n=6). There were no history of injury of the eye prior to infection and all most all the dogs were naturally infected with various microbial agents. In order to identify the microbial isolates and its antimicrobial susceptibility profile all the isolates were subjected to routine microbial procedure. Out of 246 number of bacterial isolates, the most commonly isolated bacteria were Staphylococcus spp. (35%) followed by Streptococcus spp (27%), Pseudomonas spp. (26%), and E. Coli (10%). The antimicrobial susceptibility test was done by disk diffusion method in which ciprofioxacin, cephalexin, neomycin and amoxycillin/clavulanic acid was sensitive to Staphylococcus spp., cephalexin, chloramphenicol and amoxycillin/clavulanic acid was sensitive to Streptococcus spp. and amikacin, gentamicin and tobramycin was found to be highly sensitive to Pseudomonas spp. Similarly, out of 115 fungal isolates, the most commonly fungal isolates were found to be Aspergillus spp. (40%) and Candida spp (59%), whereas mixed fungal infection were found to be prominant. Antifungals like fluconazole, voriconazole and miconazole were found to be sensitive to Aspergillus spp. as well as Candida spp.
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 ».