Multidrug-resistant Pseudomonas isolated from water at primary health care centers in Gaza, Palestine: a cross-sectional study
Notice bibliographique
Résumé
Introduction Water contaminated with drug-resistant Pseudomonas spp. poses a serious risk for nosocomial transmission, especially in patients with wounds or implants prone to biofilm formation. This is particularly concerning in Gaza, where the ongoing war since October 2023 has severely impacted healthcare and water infrastructure, increasing the risk of infection in overcrowded health facilities. This study aimed to investigate the antibiotic resistance profile, Multiple Antibiotic Resistance Index (MARI), and genetic determinants of Pseudomonas spp. isolated from water in Primary Healthcare Centers (PHCs). Methods A total of 64 water samples were collected from five PHCs across Gaza (April–August 2022). Isolates were identified using standard microbiological techniques. Antibiotic susceptibility was tested via the Kirby-Bauer disk diffusion method; MARI was calculated, and PCR was used to detect NDM genes. Results Pseudomonas spp. were isolated from 59.4% of samples (desalinated: 48.3%; municipal: 68.6%). High resistance was observed to imipenem (84%) and piperacillin (84%), followed by aztreonam (31.6%) and gentamicin (28.9%). The average MARI was 0.4. NDM genes were detected in a subset of isolates. Conclusion The presence of multidrug-resistant, NDM-producing Pseudomonas in both RO and municipal water highlights the urgent need for water safety, screening, and infection control in conflict-affected healthcare settings.
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 | 0,000 | 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) | 0,000 | 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 ».