MétaCan
Menu
Retour à la cohorte
Enregistrement W3099779851 · doi:10.25270/wmp.2020.11.3142

Efficacy of Wound Cleansers on Wound-Specific Organisms Using In Vitro and Ex Vivo Biofilm Models

2020· article· en· W3099779851 sur OpenAlexaboutno aff
Rebecca E. McMahon, Ann Beal Salamone, Suprena Poleon, Nina Bionda, J. C. Salamone

Notice bibliographique

RevueWound Management & Prevention · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCleanserBiofilmSodium hypochloriteCandida albicansMicrobiologyEx vivoStaphylococcus aureusAntimicrobialChemistryPseudomonas aeruginosaIn vivoBacteriaIn vitroBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,301
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWound Management & PreventionMême sujetWound Healing and TreatmentsTravaux en français237 207