Bacteriological profile and antimicrobial resistance pattern among patients with sepsis: A retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: As the susceptibility pattern of different pathogens varies among different settings, the evaluation of appropriate clinical diagnosis and timely initiation of the empirical antibiotic treatment based on the local susceptibility data is crucial in the management of sepsis. METHODS: A retrospective study was conducted among adult patients with sepsis at a charitable hospital in Mangaluru. The essential details such as patient demographics, culture specimens, organisms, resistance/susceptibility pattern, laboratory data, empirical therapy and clinical outcomes were collected from the medical records. Descriptive statistics were used in analysing the data. RESULTS: A total of 425 patients diagnosed with sepsis during the study period were screened to meet the sample size of 373 positive cultures, among which 367 (91.3%) samples yielded the bacterial isolates, of which 250 (68.1%) and 117 (31.9%) were gram-negative and gram-positive organisms, respectively. The most common gram-negative organisms isolated were K pneumoniae (19.9%), A baumannii (19.6%) and E coli (12.8%); while Coagulase-negative staphylococcus (14.4%) and S aureus (8.4%) were the predominant gram-positive organisms. The isolated pathogens showed a resistance rate of >50% to the most commonly used antibiotics. CONCLUSION: The present study provides information on the prevalence of the most common pathogens and their resistance pattern to different antibiotics, which plays a vital role in the selection and timely initiation of the appropriate empirical antibiotic therapy.
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 | 0,001 | 0,020 |
| 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 | 0,001 |
| 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 ».