Antimicrobial Activity of Gram Negative Bacteria in Blood Cultures: A Study with Blood Agar in ICU of LGH, Lahore
Notice bibliographique
Résumé
Aim: To evaluate gram-negative rods' prevalence and antibiotic resistance, which are responsible for bloodstream infections in ICU patients. Study design: Cross-sectional study Place and duration of study: Lahore General Hospital, Lahore from 1stJuly 2022 to 31th December 2022. Methodology: Total 200 patients in ICU suspected to have bloodstream infection were enrolled in this study. Blood samples were cultured on Blood agar and then subjected to antibiotic susceptibility testing by the disk diffusion method.Statistical analysis was performed by using SPSS Software. Results: 135 were positive for Gram-negative bacterial strains and 13 show gram positive strain with 25 showing mixed growth and 27 showing no growth .In all positive cases for different bacterial isolates resistance for amikacin was 60.8%, cefepime 66.8%, ceftriaxone 79%, ceftazidime 75.6%, cotrimoxazole 57.4%, ciprofloxacin 61.4%, gentamycin 60.8%, levofloxacin 59.4%, imipenem 58.7%, meropenem 65.5%, doxycycline 51.3%, tazobactam 71.6%, and piperacillin + tazobactam74.3%. Overall gram-negative bacterial isolates exhibited a high resistance rate for cefotaxime at 79% and the lowest resistance rate for doxycyclineat 51.3%. Out of 148 positive cases, 70(35%) were male and 78(39%) were females. Most positive cases were reported in the age group of 16-25 years (33.3%). Conclusion: All the positive samples showed gram-negative rods and gram positive on gram staining. Klebsiella 37(18.5%) was the most prevalent pathogen found in blood samples of ICU patients. Keywords: Prevalence, antibiotic resistance, bloodstream infections, gram-negative rods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».