Transmission of gram-negative antibiotic-resistant bacteria following differing exposure to antibiotic-resistance reservoirs in a rural community: a modelling study for bloodstream infections
Notice bibliographique
Résumé
Exposure to community reservoirs of gram-negative antibiotic-resistant bacteria (GN-ARB) genes poses substantial health risks to individuals, complicating potential infections. Transmission networks and population dynamics remain unclear, particularly in resource-poor communities. We use a dynamic compartment model to assess GN-ARB transmission quantitatively, including the susceptible, colonised, infected, and removed populations at the community-hospital interface. We used two side streams to distinguish between individuals at high- and low-risk exposure to community ARB reservoirs. The model was calibrated using data from a cross-sectional cohort study (N = 357) in Chile and supplemented by existing literature. Most individuals acquired ARB from the community reservoirs (98%) rather than the hospital. High exposure to GN-ARB reservoirs was associated with 17% and 16% greater prevalence for GN-ARB carriage in the hospital and community settings, respectively. The higher exposure has led to 16% more infections and attributed mortality. Our results highlight the need for early-stage identification and testing capability of bloodstream infections caused by GN-ARB through a faster response at the community level, where most GN-ARB are likely to be acquired. Increasing treatment rates for individuals colonised or infected by GN-ARB and controlling the exposure to antibiotic consumption and GN-ARB reservoirs, is crucial to curve GN-ABR transmission.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».