Characterization of antimicrobial-resistant Gram-negative bacteria that cause neonatal sepsis in seven low- and middle-income countries
Notice bibliographique
Résumé
Antimicrobial resistance in neonatal sepsis is rising, yet mechanisms of resistance that often spread between species via mobile genetic elements, ultimately limiting treatments in low- and middle-income countries (LMICs), are poorly characterized. The Burden of Antibiotic Resistance in Neonates from Developing Societies (BARNARDS) network was initiated to characterize the cause and burden of antimicrobial resistance in neonatal sepsis for seven LMICs in Africa and South Asia. A total of 36,285 neonates were enrolled in the BARNARDS study between November 2015 and December 2017, of whom 2,483 were diagnosed with culture-confirmed sepsis. Klebsiella pneumoniae (n = 258) was the main cause of neonatal sepsis, with Serratia marcescens (n = 151), Klebsiella michiganensis (n = 117), Escherichia coli (n = 75) and Enterobacter cloacae complex (n = 57) also detected. We present whole-genome sequencing, antimicrobial susceptibility and clinical data for 916 out of 1,038 neonatal sepsis isolates (97 isolates were not recovered from initial isolation at local sites). Enterobacterales (K. pneumoniae, E. coli and E. cloacae) harboured multiple cephalosporin and carbapenem resistance genes. All isolated pathogens were resistant to multiple antibiotic classes, including those used to treat neonatal sepsis. Intraspecies diversity of K. pneumoniae and E. coli indicated that multiple antibiotic-resistant lineages cause neonatal sepsis. Our results will underpin research towards better treatments for neonatal sepsis in LMICs.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».