559. Results of the implementation of a molecular pneumonia panel at a hospital in the Dominican Republic: expanding the scope of detection and management
Notice bibliographique
Résumé
Abstract Background Lower respiratory tract infections (LRTIs) have been associated to significant morbidity and mortality. Conventional microbiology methods often fail to identify the etiological agent due to lack of sensitivity or viral or fastidious pathogens. Pneumonia molecular diagnostics is able to expand the scope of pathogens detected, therefore, we describe our experience in the incorporation of this method, the difference in etiological identification and clinical decision making. Methods We performed a retrospective cohort study of 75 patients with Filmarray pneumonia panel from November 2020 to September 2022. We described demographics, co-morbid conditions, outcomes and correlation with standard cultures in patients who were admitted with LRTI at the Hospital General de la Plaza de la Salud, a 289-bed tertiary teaching hospital in the Dominican Republic. Results Amongst the 75 patients, 56.6% were male and the average age was 51 years old. The most common comorbidities were diabetes mellitus (81.6%), hypertension (40.8%) and nephropathy (10.5%). The panels had a positivity rate of 74.6% (56/75) versus a 35% (14/40) seen in cultures. The most frequent microbial targets detected were S. aureus (18%), P. aeruginosa (14,3%) and K. pneumoniae group (10%) and at least one antimicrobial resistance gene was detected in 50% (28/56), distributed as MecA/C and MREJ (35%), CTX-M (38%), KPC (10%), NDM (10%), VIM (8%), IMP (8%) and OXA-48 like (3%). A positive culture was most likely to occur when the number of copies/mL in the panel was ≥ 10˄5 (p-value < 0.001). A viral target was detected in 21 patients (28%) alone or coinfecting with a bacterial agent. Conclusion Not only did the pneumonia panels allow an earlier detection of the etiological agent, but they also identified more pathogens compared to cultures. This enabled targeted management by reducing the unnecessary use of antimicrobials as well as activating infection control measures when necessary (i.e Influenza). The results seen in this study, along with the expanded scope of pathogens detected, will definitely serve as an update into our current LRTI hospital guidelines. Disclosures All Authors: No reported disclosures
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) | 0,000 | 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 | 0,001 | 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) | 0,001 | 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 ».