Risk Factors for Carriage of Antibiotic-resistant Bacteria in Healthy Children in the Community
Notice bibliographique
Résumé
BACKGROUND: In addition to health care settings, antibiotic resistance has also been increasing in the community. Healthy children represent an important potential reservoir of antibiotic-resistant (AR) bacteria. However, strategies to reduce the spread of AR bacteria often fail to specifically address the factors that promote the carriage of AR bacteria in this population.The objective of this review was to Identify risk factors for carriage of AR bacteria by healthy children. METHODS: We did a systematic search of MEDLINE, Embase and PubMed for studies in developed (OECD) countries that assessed risk factors for carriage of AR bacteria in healthy children in the community. We excluded studies done before 1998 and studies of AR Streptococcus pneumoniae carriage in the absence of pneumococcal conjugate vaccination. RESULTS: Of 1234 studies identified, 30 were eligible for inclusion. These studies assessed the impact of 49 risk factors on AR strains of S. pneumoniae, Haemophilus influenzae, Staphylococcus aureus, Streptococcus pyogenes and Escherichia coli. The majority of these risk factors were assessed in 2 or fewer studies per bacteria. Recent antibiotic consumption was associated with carriage of resistant respiratory bacteria (S. pneumoniae, H. influenzae); however, it was not consistently associated with carriage of AR bacteria in skin or stool (S. aureus and E. coli). For AR S. aureus, transmission within households appeared to have a greater impact than individual antibiotic use. CONCLUSIONS: The factors that promote carriage of AR bacteria by healthy children differed between bacterial species. To reduce reservoirs of AR bacteria in the community, it is essential for intervention strategies to target the specific risk factors for different bacteria.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».