Characterization of a nosocomial outbreak caused by VIM-1 <i>Klebsiella michiganensis</i> using Fourier-Transform Infrared (FT-IR) Spectroscopy
Notice bibliographique
Résumé
ABSTRACT Healthcare-associated infections (HAIs) are a significant concern worldwide due to their impact on patient safety and healthcare costs. Klebsiella spp., particularly Klebsiella pneumoniae and Klebsiella oxytoca , are frequently implicated in HAIs and often exhibit multidrug resistance mechanisms, posing challenges for infection control. In this study, we evaluated Fourier-transform Infrared (FT-IR) spectroscopy as a rapid method for characterizing a nosocomial outbreak caused by VIM-1-producing K. oxytoca . A total of 47 isolates, including outbreak strains and controls, were collected from Hospital Universitario Gregorio Marañón, Spain and the University Hospital Basel, Switzerland. FT-IR spectroscopy was employed for bacterial typing, offering rapid and accurate results compared to conventional methods like pulsed-field gel electrophoresis (PFGE) and correlating with whole-genome sequencing (WGS) results. The FT-IR spectra analysis revealed distinct clusters corresponding to outbreak strains, suggesting a common origin. Subsequent WGS analysis identified Klebsiella michiganensis as the causative agent of the outbreak, challenging the initial assumption based on FT-IR results. However, both FT-IR and WGS methods showed high concordance, with an Adjusted Rand index (AR) of 0.882 and an Adjusted Wallace coefficient (AW) of 0.937, indicating the reliability of FT-IR in outbreak characterization. Furthermore, FT-IR spectra visualization highlighted discriminatory features between outbreak and non-outbreak isolates, facilitating rapid screening in case and outbreak is suspected. In conclusion, FT-IR spectroscopy offers a rapid and cost-effective alternative to traditional typing methods, enabling timely intervention and effective management of nosocomial outbreaks. Its integration with WGS enhances the accuracy of outbreak investigations, demonstrating its utility in clinical microbiology and infection control practices.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».