In Vitro Killing of Canine Urinary Tract Infection Pathogens by Ampicillin, Cephalexin, Marbofloxacin, Pradofloxacin, and Trimethoprim/Sulfamethoxazole
Notice bibliographique
Résumé
Urinary tract infections are common in dogs, necessitating antimicrobial therapy. We determined the speed and extent of in vitro killing of canine urinary tract infection pathogens by five antimicrobial agents (ampicillin, cephalexin, marbofloxacin, pradofloxacin, and trimethoprim/sulfamethoxazole) following the first 3 h of drug exposure. Minimum inhibitory and mutant prevention drug concentrations were determined for each strain. In vitro killing was determined by exposing bacteria to clinically relevant drug concentrations and recording the log10 reduction and percent kill in viable cells at timed intervals. Marbofloxacin and pradofloxacin killed more bacterial cells, and faster than other agents, depending on the time of sampling and drug concentration. Significant differences were seen between drugs for killing Escherichia coli, Proteus mirabilis, Enterococcus faecalis, and Staphylococcus pseudintermedius strains. At the maximum urine drug concentrations, significantly more E. coli cells were killed by marbofloxacin than by ampicillin (p < 0.0001), cephalexin (p < 0.0001), and TMP/SMX (p < 0.0001) and by pradofloxacin than by cephalexin (p < 0.0001) and TMP/SMX (p < 0.0001), following 5 min of drug exposure. Rapid killing of bacteria should inform thinking on drug selection for short course therapy for uncomplicated UTIs, without compromising patient care, and is consistent with appropriate antimicrobial use and stewardship principles.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».