Personalized inhaled bacteriophage therapy for treatment of multidrug-resistant Pseudomonas aeruginosa in cystic fibrosis
Notice bibliographique
Résumé
Bacteriophage (phage) therapy, which uses lytic viruses as antimicrobials, is a potential strategy to address the antimicrobial resistance crisis. Cystic fibrosis, a disease complicated by recurrent Pseudomonas aeruginosa pulmonary infections, is an example of the clinical impact of antimicrobial resistance. Here, using a personalized phage therapy strategy that selects phages for a predicted evolutionary trade-off, nine adults with cystic fibrosis (eight women and one man) of median age 32 (range 22–46) years were treated with phages on a compassionate basis because their clinical course was complicated by multidrug-resistant or pan-drug-resistant Pseudomonas that was refractory to prior courses of standard antibiotics. The individuals received a nebulized cocktail or single-phage therapy without adverse events. Five to 18 days after phage therapy, sputum Pseudomonas decreased by a median of 104 CFU ml−1, or a mean difference of 102 CFU ml−1 (P = 0.006, two-way analysis of variance with Dunnett’s multiple-comparisons test), without altering sputum microbiome, and an analysis of sputum Pseudomonas showed evidence of trade-offs that decreased antibiotic resistance or bacterial virulence. In addition, an improvement of 6% (median) and 8% (mean) predicted FEV1 was observed 21–35 days after phage therapy (P = 0.004, Wilcoxon signed-rank t-test), which may reflect the combined effects of decreased bacterial sputum density and phage-driven trade-offs. These results show that a personalized, nebulized phage therapy trade-off strategy may affect clinical and microbiologic endpoints, which must be evaluated in larger clinical trials. A novel personalized phage therapy strategy that selects phages for a predicted evolutionary trade-off may represent a viable alternative approach for the treatment of antimicrobial-resistant bacterial infections.
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 | 0,000 |
| 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 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 ».