Risk Factors for Community Colonization With Extended-Spectrum Cephalosporin-Resistant Enterobacterales (ESCrE) in Botswana: An Antibiotic Resistance in Communities and Hospitals (ARCH) Study
Notice bibliographique
Résumé
BACKGROUND: The epidemiology of extended-spectrum cephalosporin-resistant Enterobacterales (ESCrE) in low- and middle-income countries (LMICs) is poorly described. Identifying risk factors for ESCrE colonization is critical to inform antibiotic resistance reduction strategies because colonization is typically a precursor to infection. METHODS: From 15 January 2020 to 4 September 2020, we surveyed a random sample of clinic patients at 6 sites in Botswana. We also invited each enrolled participant to refer up to 3 adults and children. All participants had rectal swabs collected that were inoculated onto chromogenic media followed by confirmatory testing. Data were collected on demographics, comorbidities, antibiotic use, healthcare exposures, travel, and farm and animal contact. Participants with ESCrE colonization (cases) were compared with noncolonized participants (controls) to identify risk factors for ESCrE colonization using bivariable, stratified, and multivariable analyses. RESULTS: A total of 2000 participants were enrolled. There were 959 (48.0%) clinic participants, 477 (23.9%) adult community participants, and 564 (28.2%) child community participants. The median (interquartile range) age was 30 (12-41) and 1463 (73%) were women. There were 555 cases and 1445 controls (ie, 27.8% of participants were ESCrE colonized). Independent risk factors (adjusted odds ratio [95% confidence interval]) for ESCrE included healthcare exposure (1.37 [1.08-1.73]), foreign travel [1.98 (1.04-3.77]), tending livestock (1.34 [1.03-1.73]), and presence of an ESCrE-colonized household member (1.57 [1.08-2.27]). CONCLUSIONS: Our results suggest healthcare exposure may be important in driving ESCrE. The strong links to livestock exposure and household member ESCrE colonization highlight the potential role of common exposure or household transmission. These findings are critical to inform strategies to curb further emergence of ESCrE in LMICs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».