<i>In vitro</i> killing of drug susceptible and multidrug resistant bacteria by amikacin considering pulmonary drug concentrations based on an inhaled formulation
Notice bibliographique
Résumé
Nosocomial infections with drug resistant bacteria impact morbidity and mortality, length of therapy and stay and the overall cost of treatment. Key pathogens with ventilator associated pneumonia may be drug-susceptible or multi-drug resistant and inhaled amikacin has been investigated as an adjunctive therapy option. High pulmonary drug concentrations (epithelial lining fluid [ELF]) along with minimal systemic toxicity is seen as an advantage to inhaled formulations. In vitro killing of bacteria using clinically relevant drug concentrations provide insight on bug-drug interactions. The aim of this study was to measure killing of clinical isolates of Acinetobacter baumannii, Escherichia coli, Klebsiella pneumoniae, Pseudomonas aeruginosa, methicillin-resistant Staphylococcus aureus and methicillin-susceptible S. aureus using the minimum inhibitory concentration (MIC), mutant prevention concentration (MPC) and median (976 µg/ml) ELF drug concentration for amikacin. Overall killing took longer at the MIC drug concentration and was inconsistent amongst the pathogens tested with the percentage of bacteria killed following 180 min of drug exposure ranging from growth in the presence of the drug to 95% kill. At the MPC drug concentrations, killing ranged from 55-88% for all pathogens following 30 min of drug exposure and increased to 99-100% following 180 min of drug exposure. At the ELF amikacin tested, killing was 81-100% following 20 min and 94-100% by 30 min of drug exposure. Rapid killing against MDR respiratory pathogens by amikacin ELF drug concentrations is encouraging.
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 ».