MétaCan
Menu
Retour à la cohorte
Enregistrement W4213417498 · doi:10.1101/2022.02.20.481232

Prevalence Of Multi Drug Resistant Bacteria On Environmental And Medical Device Surfaces Of Korea Nepal Friendship Hospital

2022· preprint· en· W4213417498 sur OpenAlexaff
Nisha Paudel, Nagendra Awasthi, Binod Lekhak, Amrit Acharya

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensCancerCare Manitoba
Organismes subventionnairesnon disponible
Mots-clésAcinetobacterMicrococcusMicrobiologyKlebsiellaCoagulaseVeterinary medicineProteusStaphylococcusBiologyStaphylococcus aureusBacteriaAntibioticsMedicineEscherichia coli

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The microbial monitoring of environmental and medical-devices’ surface is used to evaluate efficacy of routine cleaning and disinfection practises and to detect the presence of specific Nosocomial Pathogens. The prevalence of Multidrug Resistance organisms in hospital premises projects serious problems in transmitting to susceptible hosts which is difficult to treat. A cross sectional descriptive research was conducted from December 2016 to June 2017 at the pathology laboratory of Korea Nepal Friendship Hospital (KNFH). A total 140 samples were considered, encompassing the medical devices of the hospital (100), housekeeping surfaces (15) and air (25). Susceptibility test for bacterial isolates was done by disk diffusion assay. Of the total 140 samples taken and analysed, 100% showed growth positivity. In most of the swabs taken, Coagulase Negative Staphylococci was dominant, followed by Staphylococcus aureus, Streptococcus spp. Micrococcus spp., E coli, Pseudomonas spp., Bacillus spp., Acinetobacter spp., Klebsiella spp., Fungi, and least Proteus spp. The dry surfaces were dominantly contaminated by gram positive bacteria whereas moistened surfaces like wash basin were contaminated by gram negative as well as gram positive bacteria. Total 277 strains were exposed to various class of antibiotics, among the gram positive environmental isolates, Coagulase Negative Staphylococci 16 (34.78%) had highest MDR prevalence followed by Staphylococcus aureus 8 (29.62%), Streptococcus spp. 4 (12.90%), Micrococcus spp. 4 (9.30%) and no MDR was shown by any Bacillus spp isolates. Whereas, in case of gram negative, Klebsiella spp. 6 (35.29%) had highest MDR prevalence followed by Acinetobacter spp. 6 (31.57%), E. coli 8 (27.58%), Pseudomonas spp. 4 (18.18%), and lastly Proteus spp. with no MDR at all. The thick dirt covering the cotton swabs and heavy microbial load on them has displayed not only disinfecting practice but also cleaning practice is missing. Heavy contamination shows possible NIs breakout, it’s important to have routine microbial assessment with standard protocol and find ways to decrease its load.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,262
Écart entre enseignants0,246 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetDental Research and COVID-19Travaux en français237 207