874. Rapid Prediction of Antibiotic Susceptibility in Blood Stream Infections Using Direct Sequencing from Blood Cultures Coupled with Neighbour-Typing Prediction Algorithms.
Notice bibliographique
Résumé
Abstract Background Increasing rates of antimicrobial resistance in Gram-negative (GN) bacteria make empiric treatment challenging. Culture-based techniques form the basis of pathogen and antibiotic susceptibility determination yet are limited by long turn-around-times that can prolong the time a patient remains on inappropriate therapy. Direct sequencing of positive blood cultures coupled with neighbour-typing prediction algorithms could help anticipate antibiotic susceptibility and improve selection of empiric therapy. We sought to develop a rapid metagenomic diagnostic workflow and evaluate its performance for blood stream infections. Methods We developed a metagenomic workflow for pathogen identification and prediction of antibiotic susceptibilities outlined in Figure 1. We performed Nanopore-based metagenomic sequencing on positive blood cultures from critically ill patients admitted to a quaternary care center. Isolates belonging to six common GN blood stream pathogens were subjected to a rapid lineage-based prediction algorithm (RASE) that predicts antibiotic susceptibility against a reference set of local isolates. We calculated test performance of predictions compared to phenotypic susceptibility testing. Impact of prediction on post-test probability was calculated for each agent and in aggregate benchmarked against minimum susceptibility thresholds for empiric treatment of 80% for mild infections and 90% for moderate-severe infections. Results We performed metagenomic sequencing and RASE analysis on twelve unique GN blood culture samples with predictions available in 2.5 hours. Across all organisms and antibiotics tested, sensitivity and specificity were 0.87 (95% CI 0.76-0.94) and 0.56 (95% CI 0.31-0.78) although these values approached one for some agents. Impact of RASE predictions on probability of susceptibility is shown in Figure 2. For all antibiotics combined, baseline susceptibility was 79% but improved to 88% or reduced to 47% when RASE predicted a susceptible or resistant phenotype respectively, an effect echoed by specific agents tested. Probability of susceptibility to specific agents or in aggregate after prediction of a susceptible or resistant phenotype by RASE. This was benchmarked against minimum susceptibility thresholds for empiric treatment of 80% for mild infections and 90% for moderate-severe infections. Conclusion We developed a novel metagenomic diagnostic workflow for rapidly predicting antibiotic susceptibility of common GN blood stream pathogens that could improve early selection of empiric therapy. 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 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 | 0,001 |
| 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 ».