Application of respiratory metagenomics for COVID-19 patients on the intensive care unit to inform appropriate initial antimicrobial treatment and rapid detection of nosocomial transmission
Notice bibliographique
Résumé
Abstract Background Clinical metagenomics (CMg) is being evaluated for translation from a research tool into routine diagnostic service, but its potential to significantly improve management of acutely unwell patients has not been demonstrated. The SARS-CoV-2 pandemic provides impetus to determine that benefit given increased risk of secondary infection and nosocomial transmission by multi-drug resistant (MDR) pathogens linked with expansion of critical care capacity. Methods Prospective evaluation of CMg using nanopore sequencing was performed on 43 respiratory samples over 14 weeks from a cohort of 274 intubated patients across seven COVID-19 intensive care units. Results Bacteria or fungi were cultured from 200 (73%) patients, with a predominance of Klebsiella spp . (31%) and C. striatum (7%) amongst other common respiratory pathogens. An 8 hour CMg workflow was 93% sensitive and 81% specific for bacterial identification compared to culture, and reported presence or absence of β-lactam resistance genes carried by Enterobacterales that would modify initial guideline-recommended antibiotics in every case. CMg was also 100% concordant with quantitative PCR for detecting Aspergillus fumigatus (4 positive and 39 negative samples). Single nucleotide polymorphism (SNP)-typing using 24 hour sequence data identified an MDR- K. pneumoniae ST307 outbreak involving 4 patients and an MDR- C. striatum outbreak potentially involving 14 patients across three ICUs. Conclusion CMg testing for ICU patients provides same-day pathogen detection and antibiotic resistance prediction that significantly improves initial treatment of nosocomial pneumonia and rapidly detects unsuspected outbreaks of MDR-pathogens.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».