An update on antifungal resistance in dermatophytosis
Notice bibliographique
Résumé
Introduction The reports of resistance to antifungal agents used for treating onychomycosis and other superficial fungal infections are increasing. This rise in antifungal resistance poses a public health challenge that requires attention.Areas covered This review explores the prevalence of dermatophytes and the current relationship between dermatophyte species, their minimum inhibitory concentrations (MICs) for terbinafine (an allylamine) and itraconazole (an azole), and various mutations prevalent in these species. The most frequently isolated dermatophyte associated with resistance in patients with onychomycosis and dermatophytosis was T. mentagrophytes. However, T. indotineae emerged as the most prevalent isolate with mutations in the SQLE gene, exhibiting the highest MIC of 8 µg/ml for terbinafine and MICs of 8 µg/ml and ≥ 32 µg/ml for itraconazole.Overall, the most prevalent SQLE mutations were Phe397Leu, Leu393Phe, Ala448Thr, Phe397Leu/Ala448Thr, and Lys276Asn/Leu415Phe (relatively recent).Expert opinion Managing dermatophyte infections requires a personalized approach. A detailed history should be obtained including details of travel, home and occupational exposure, and clinical examination of the skin, nails and other body systems. Relevant testing includes mycological examination (traditional and molecular). Additional testing, where available, includes MIC evaluation and detection of SQLE mutations. In case of suspected terbinafine resistance, itraconazole or voriconazole (less commonly) should be considered.
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) | 0,001 | 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 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 ».