<i>Acinetobacter baumannii</i> treatment strategies: a review of therapeutic challenges and considerations
Notice bibliographique
Résumé
ABSTRACT Antimicrobial resistance poses a major challenge in the treatment of Acinetobacter baumannii. Acinetobacter spp. are intrinsically resistant to a number of commonly used antibiotics. Over the past 3 years, the European and American Professional Societies have provided important guidelines on the treatment options for carbapenem-resistant A. baumannii (CRAB). Here, we review the recent literature on combination regimens for CRAB as well as carbapenem-susceptible A. baumannii infections. We discuss the strengths and weaknesses of various agents used in combination, depending on the site of infection and their pharmacokinetic properties. Consistent with the 2024 Infectious Diseases of America (IDSA) update, sulbactam-durlobactam, in combination with background carbapenem therapy, remains the combination with the greatest reduction in mortality for pulmonary infections and has promising outcomes in bloodstream infections with CRAB. Sulbactam-based combination therapy remains an ideal part of targeted strategies and has been shown to be associated with reduced mortality. Certain agents have been highlighted in the literature for suboptimal outcomes, primarily pulmonary infections treated with cefiderocol, tigecycline, and eravacycline. Studies including non-pulmonary infections, specifically bacteremia and central nervous system (CNS) infections, are overall limited to case series and subgroup analyses. Important areas for further research include breakpoint evaluations for eravacycline and minocycline as well as subclinical resistance in cefiderocol.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».