<i>Pseudomonas aeruginosa</i> : One Health approach to deciphering hidden relationships in Northern Portugal
Notice bibliographique
Résumé
AIMS: Antimicrobial resistance in Pseudomonas aeruginosa represents a major global challenge in public and veterinary health, particularly from a One Health perspective. This study aimed to investigate antimicrobial resistance, the presence of virulence genes, and the genetic diversity of P. aeruginosa isolates from diverse sources. METHODS AND RESULTS: The study utilized antimicrobial susceptibility testing, genomic analysis for resistance and virulence genes, and multilocus sequence typing to characterize a total of 737 P. aeruginosa isolates that were collected from humans, domestic animals, and aquatic environments in Northern Portugal. Antimicrobial resistance profiles were analyzed, and genomic approaches were employed to detect resistance and virulence genes. The study found a high prevalence of multidrug-resistant isolates, including high-risk clones such as ST244 and ST446, particularly in hospital sources and wastewater treatment plants. Key genes associated with resistance and virulence, including efflux pumps (e.g. MexA and MexB) and secretion systems (T3SS and T6SS), were identified. CONCLUSIONS: This work highlights the intricate dynamics of multidrug-resistant P. aeruginosa across interconnected ecosystems in Northern Portugal. It underscores the importance of genomic studies in revealing the mechanisms of resistance and virulence, contributing to the broader understanding of resistance dynamics and informing future mitigation strategies.
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 | 0,001 | 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 ».