MétaCan
Menu
Retour à la cohorte
Enregistrement W3007520989 · doi:10.1101/19006106

Using the Association Between Antibiotic Susceptibility and Genetic Relatedness to Rescue Old Drugs for Empiric Use

2019· preprint· en· W3007520989 sur OpenAlexaffabout
Derek R. MacFadden, Bryan Coburn, Karel Břinda, Antoine Corbeil, Nick Daneman, David N. Fisman, Robyn S Lee, Marc Lipsitch, Allison McGeer, Roberto G. Melano, Samira Mubareka, William P. Hanage

Notice bibliographique

RevuemedRxiv · 2019
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Identification and Susceptibility Testing
Établissements canadiensUniversity Health NetworkPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAntibioticsCiprofloxacinTrimethoprimSulfamethoxazoleEmpiric therapyAntibiotic resistanceLineage (genetic)MedicineBiologyMicrobiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Abstract Background Rising rates of antibiotic resistance have led to the use of broader spectrum antibiotics and increasingly compromise empiric therapy. Knowing the antibiotic susceptibility of a pathogen’s close genetic relative(s) may improve empiric antibiotic selection. Methods Using genomic and phenotypic data from three separate clinically-derived databases of Escherichia coli isolates, we evaluated multiple genomic methods and statistical models for predicting antibiotic susceptibility, focusing on potentially rapidly available information such as lineage or genetic distance from archived isolates. We applied these methods to derive and validate prediction of antibiotic susceptibility to common antibiotics. Results We evaluated 968 separate episodes of suspected and confirmed infection with Escherichia coli from three geographically and temporally separated databases in Ontario, Canada, from 2010-2018. The most common sequence type (ST) was ST131 (30%). Antibiotic susceptibility to ciprofloxacin and trimethoprim-sulfamethoxazole were lowest (<=72%). Across all approaches, model performance (AUC) ranges for predicting antibiotic susceptibility were greatest for ciprofloxacin (0.76-0.97), and lowest for trimethoprim-sulfamethoxazole (0.51-0.80). When a model predicted a susceptible isolate, the resulting (post-test) probabilities of susceptibility were sufficient to warrant empiric therapy for most antibiotics (mean 92%). An approach combining multiple models could permit the use of narrower spectrum oral agents in 2 out of every 3 patients while maintaining high treatment adequacy (∼90%). Conclusions Methods based on genetic relatedness to archived samples in E. coli could be used to rescue older and typically unsuitable agents for use as empiric antibiotic therapy, as well as improve decisions to select newer broader spectrum agents. Summary Rapid genomic approaches that capitalize on the association between genetic relatedness and phenotype can improve our selection of antibiotics, allowing us to rescue older drugs for empiric use and better select newer and broader spectrum agents.

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)0,002
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 enseignants0,207
Score d'incertitude au seuil0,939

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,060
Tête enseignante GPT0,322
Écart entre enseignants0,262 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetBacterial Identification and Susceptibility TestingTravaux en français237 207