Spectrum of pulmonary fungal pathogens, associated risk factors, and anti-fungal susceptibility pattern among persons with presumptive tuberculosis at Gombe, Nigeria
Notice bibliographique
Résumé
Background: Pulmonary mycosis (PM) poses a great diagnostic challenge due to the lack of pathognomonic and radiological features, especially in the absence of mycology laboratory tests. This study was aimed to isolate, phenotypically identify, determine the prevalence of pulmonary fungal pathogens and antifungal susceptibility pattern of isolates of presumptive tuberculosis (PTB) patients attending Federal Teaching Hospital (FTH) Gombe, Nigeria. Methods: nested polymerase chain reaction. Results: Of the 216 participants, 19.9% had PTB and 73.6% had pulmonary fungal pathogens. Among the isolated pulmonary fungal pathogens, Aspergillus fumigatus made the highest occurrence, while 6.5% had PTB-fungal co-infection. No significant association existed between the prevalence of PM with age and sex of participants (P < 0.05). Cigarette smoking (adjusted odds ratio [aOR] = 15.9 [95% confidence interval (CI): 0.9-268.8]), prolong antibiotic use (aOR = 77.9 [95% CI: 4.7-1283]) and possession of domestic pet (aOR = 77.9 [95% CI: 4.7-1283]) were significant risk factors of PM (P < 0.05). Penicillium citrinum, Mucor spp. and Aspergillus flavus are more susceptible to voriconazole, and Candida albicans was found to be more susceptible to Nystatin. Of the 159 fungal isolates, 92.5% were resistant to fluconazole. Conclusion: Findings from this study revealed high level pulmonary fungal pathogens, especially among PTB patients. A majority of fungal isolates were resistant to fluconazole. It's recommended that persons should do away with or minimize risk factors for pulmonary fungal pathogens identified in this study.
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) | 0,001 | 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 | 0,001 |
| 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 ».