Prevalence and Incidence Antimicrobial Resistance of Patients Pneumonia in Indonesia: Systematic Review and Meta-analysis
Notice bibliographique
Résumé
A BSTRACT Introduction: Antimicrobial resistance (AMR) remains a threat in Indonesia. In this regard, AMR also poses a challenge in the management of pneumonia. This systematic review and meta-analysis aimed to evaluate the prevalence and AMR of pneumonia-causing microorganisms in Indonesia, with a focus on Gram-negative and Gram-positive bacteria. Methods: We searched five databases and screened 997 studies. After removing duplicates and irrelevant studies, eight studies (six retrospective and two cross-sectional) were included in the study. Data on bacterial prevalence and antibiotic resistance were extracted, and bias assessment was performed using the Newcastle–Ottawa Scale and Agency for Healthcare Research and Quality standards. Meta-analysis of proportion was carried out using R version 4.4 with the random-effect model. Results: The pooled prevalence of Gram-negative bacteria was higher than Gram-positive. Klebsiella pneumoniae had the highest prevalence of 0.21 (95% confidence interval [CI]: 0.16–0.27), followed by Acinetobacter baumannii 0.20 (95% CI: 0.13–0.26) and Pseudomonas aeruginosa 0.12 (95% CI: 0.09–0.15). Staphylococcus aureus and Streptococcus pneumoniae had the highest Gram-positive prevalence of 0.07 each. K . pneumoniae and A . baumannii exhibited high resistance to cephalosporins but retained sensitivity to carbapenems and amikacin. Conclusions: Gram-negative bacteria are prevalent among pneumonia patients in Indonesia, showing high resistance to cephalosporins. Further research and antimicrobial stewardship programs are needed to curb rising AMR rates.
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 | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,040 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».