Transmission of MRSA, ESBL <i>E. coli</i>, and <i>C. difficile</i> within a tertiary care hospital and across surrounding facilities in Japan: a molecular epidemiological study with the PCR-based Open-reading frame typing
Notice bibliographique
Résumé
Abstract Objective: To determine the regional impact of transmission of multidrug-resistant organisms (MRDOs) and Clostridioides difficile (C. difficile) among a tertiary care hospital and surrounding facilities including long-term care facilities (LTCFs). Design: Retrospective cohort study. Methods: Patients admitted to a tertiary care hospital from July 2019 to July 2021 were recruited if their clinically collected cultures grew the following pathogens: Methicillin-resistant Staphylococcus aureus (MRSA), Extended-Spectrum Beta-Lactamase (ESBL) producing Enterobacterales, Pseudomonas aeruginosa with difficult-to-treat resistance, Carbapenem-resistant Enterobaterales, Vancomycin-resistant Enterococci, and C. difficile. Patient characteristics including admission and discharge pathway were collected. For the isolates of MRSA, ESBL-producing Escherichia coli (E. coli), and C. difficile, a molecular epidemiological analysis was conducted, utilizing the PCR-based Open-Reading Frame Typing (POT) method. Results: Three hundred-five patients were identified with a total of 332 culture specimens of the target pathogens. The top three were 132 MRSA isolates (43.3%, out of 305), 97 ESBL E. coli (31.8%), and 32 ESBL Enterobacterales (non-E. coli) (10.5%). The target pathogens were more detectable within 3 days among patients admitted from LTCFs or other hospitals than those admitted from home (Odds Ratio 4.6, 95% confidence interval 2.8-7.6, p-value < 0.001). The molecular epidemiological analysis suggested the transmissions of MRSA, ESBL E. coli and C. difficile occurred 52 out of 111 patients within the in-hospital environment, and 7 out of 128 within the prehospital environment, respectively. Conclusions: MDROs/C. difficile transmission is prevalent within a tertiary care hospital and further complicated by its inter-facility transmission across surrounding LTCFs and hospitals in Japan.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».