MétaCan
Menu
Retour à la cohorte
Enregistrement W4400266683 · doi:10.1093/jtm/taae090

Patient characteristics and antimicrobial susceptibility profiles of <i>Escherichia coli</i> and <i>Klebsiella pneumoniae</i> infections in international travellers: a GeoSentinel analysis

2024· article· en· W4400266683 sur OpenAlexafffund
Sarah L. McGuinness, Stephen Muhi, Maya Nadimpalli, Ahmed Babiker, Caroline Theunissen, Giacomo Stroffolini, Leonardo Motta, Federico Gobbi, Ralph Huits, Michael Libman, Karin Leder

Notice bibliographique

RevueJournal of Travel Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTravel-related health issues
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Health and Medical Research CouncilSchool of Medicine, Emory UniversityCenters for Disease Control and PreventionHôpitaux Universitaires de GenèveJohns Hopkins UniversityMahidol UniversityUniversiteit van AmsterdamPublic Health Agency of CanadaInstituut voor Tropische GeneeskundeMinistero della SalutePontificia Universidad Católica de ChileAarhus UniversitetInternational Society of Travel MedicineFaculty of Tropical Medicine, Mahidol UniversityAarhus UniversitetshospitalEmory University
Mots-clésMedicineKlebsiella pneumoniaeMicrobiologyAntimicrobialEscherichia coliEnterobacteriaceaeKlebsiellaBiologyGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Antimicrobial resistance (AMR) is a global health crisis, with Enterobacterales, including Escherichia coli and Klebsiella pneumoniae, playing significant roles. While international travel to low- and middle-income countries is linked to colonization with AMR Enterobacterales, the clinical implications, particularly the risk of subsequent infection, remain unclear due to limited data. We aimed to characterize E. coli and K. pneumoniae infections in travellers and the antimicrobial susceptibility profiles of their isolates. METHODS: We analysed data on E. coli and K. pneumoniae infections in travellers collected at GeoSentinel sites between 2015 and 2022, focusing on epidemiological, clinical and microbiological characteristics. We defined multi-drug resistance (MDR) as non-susceptibility to agents from at least three drug classes. RESULTS: Over the 8-year period, we included 655 patients (median age 41 years; 74% female) from 57 sites in 27 countries, with 584 E. coli and 72 K. pneumoniae infections. Common travel regions included sub-Saharan Africa, Southeast Asia and South-Central Asia. Urinary tract infections predominated. Almost half (45%) were hospitalized. Among infections with antimicrobial susceptibility data across three or more drug classes, 203/544 (37%) E. coli and 19/67 (28%) K. pneumoniae demonstrated MDR. Over one-third of E. coli and K. pneumoniae isolates were non-susceptible to third-generation cephalosporins and cotrimoxazole, with 38% and 28% non-susceptible to fluoroquinolones, respectively. Travellers to South-Central Asia most frequently had isolates non-susceptible to third-generation cephalosporins, fluoroquinolones and carbapenems. We observed increasing frequencies of phenotypic extended spectrum beta-lactamase and carbapenem resistance over time. CONCLUSIONS: E. coli and K. pneumoniae infections in travellers, particularly those to Asia, may be challenging to empirically treat. Our analysis highlights the significant health risks these infections pose to travellers and emphasizes the escalating global threat of AMR. Enhanced, systematic AMR surveillance in travellers is needed, along with prospective data on infection risk post travel-related AMR organism acquisition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,290
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Travel MedicineMême sujetTravel-related health issuesTravaux en français237 207