Efficacy of Wound Cleansers on Wound-Specific Organisms Using In Vitro and Ex Vivo Biofilm Models
Notice bibliographique
Résumé
Biofilms are believed to be a source of chronic inflammation in non-healing wounds. PURPOSE: In this study, the pre-clinical anti-biofilm efficacy of several wound cleansers was examined using the Calgary minimum biofilm eradication concentration (MBEC) and ex vivo porcine dermal explant (PDE) models on Pseudomonas aeruginosa, methicillin-resistant Staphylococcus aureus (MRSA), and Candida albicans biofilms. METHODS: A surfactant-based cleanser and antimicrobial-based cleansers containing ionic silver, hypochlorous acid (HOCl), sodium hypochlorite (NaOCl), and polyhexamethylene biguanide (PHMB) were tested on the MBEC model biofilms with a 10-minute application time. Select cleansers were then tested on the mature PDE biofilms with 10-minute applications followed by the application of cleanser-soaked gauze. The PDE model was further expanded to include single and daily applications of the cleansers to mimic daily and 72-hour dressing changes. RESULTS: In the MBEC model, PHMB- and HOCl-based cleansers reduced immature MRSA, C albicans, and P aeruginosa biofilm regrowth by > 3× when compared with silver, surfactant, and saline cleansers. The major differences could be elucidated in the PDE model in which, after daily application, 1 PHMB-based cleanser showed a statistically significant reduction (3-8 CFU/mL log reduction) in all mature biofilms tested, while a NaOCl-based cleanser showed significant reduction in 2 microorganisms (3-5 CFU/mL log reduction, P aeruginosa and MRSA).The other PHMB-based cleanser showed a statistically significant 3 log CFU/mL reduction in P aeruginosa. The remaining cleansers showed no statistically significant difference from the saline control. CONCLUSION: Results confirm that there are model-dependent differences in the outcomes of these studies, suggesting the importance of model selection for product screening. The results indicate that 1 PHMB-based cleanser was effective in reducing mature P aeruginosa, MRSA, and C albicans biofilms and that sustained antimicrobial presence was necessary to reduce or eliminate these mature biofilms.
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 ».