MétaCan
Menu
Retour à la cohorte
Enregistrement W3202974838 · doi:10.3390/microorganisms9102024

A Multi-Point Surveillance for Antimicrobial Resistance Profiles among Clinical Isolates of Gram-Negative Bacteria Recovered from Major Ha’il Hospitals, Saudi Arabia

2021· article· en· W3202974838 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMicroorganisms · 2021
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesUniversity of Hail
Mots-clésAcinetobacter baumanniiProteus mirabilisKlebsiella pneumoniaePseudomonas aeruginosaMicrobiologyAntibiotic resistanceAcinetobacterDrug resistanceBiologyMedicineBacteriaAntibioticsEscherichia coli

Résumé

récupéré en direct d'OpenAlex

The devastating nosocomial resistance is an on-going global concern. Surveillance of resistance is crucial for efficient patient care. This study was aimed to conduct a surveillance in four major Ha’il Hospitals from September to December 2020. Using a multipoint program, records of 621 non-duplicate Gram-negative cultures were tested across 21 drugs belonging to different categories. Major species were Klebsiella pneumoniae (n = 187, 30%), E. coli (n = 151, 24.5%), Pseudomonas aeruginosa, (n = 84, 13.6%), Acinetobacter baumannii (n = 82, 13.3%), and Proteus mirabilis (n = 46, 7%). Based on recent resistance classifications, A. baumanni, P. aeruginosa, and enteric bacteria were defined as pan-resistant, extremely resistant, and multi-drug resistant, respectively. A. baumannii (35%) and K. pneumoniae (23%) dominated among coinfections in SARS-CoV2 patients. The “other Gram-negative bacteria” (n = 77, 12.5%) from diverse sources showed unique species-specific resistance patterns, while sharing a common Gram-negative resistance profile. Among these, Providencia stuartii was reported for the first time in Ha’il. In addition, specimen source, age, and gender differences played significant roles in susceptibility. Overall infection rates were 30% in ICU, 17.5% in medical wards, and 13.5% in COVID-19 zones, mostly in male (59%) senior (54%) patients. In ICU, infections were caused by P. mirabilis (52%), A. baumannii (49%), P. aeruginosa (41%), K. pneumoniae (24%), and E. coli (21%), and most of the respiratory infections were caused by carbapenem-resistant A. baumannii and K. pneumoniae and UTI by K. pneumoniae and E. coli. While impressive IC, hospital performances, and alternative treatment options still exist, the spread of resistant Gram-negative bacteria is concerning especially in geriatric patients. The high selective SARS-CoV2 coinfection by A. baumannii and K. pneumoniae, unlike the low global rates, warrants further vertical studies. Attributes of resistances are multifactorial in Saudi Arabia because of its global partnership as the largest economic and pilgrimage hub with close social and cultural ties in the region, especially during conflicts and political unrests. However, introduction of advanced inter-laboratory networks for genome-based surveillances is expected to reduce nosocomial resistances.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,096
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,247
Écart entre enseignants0,235 · 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