Pseudomonas aeruginosa carriage and associated risk factors in healthy individuals and patients from Rotterdam, Rome, and Jakarta
Notice bibliographique
Résumé
Pseudomonas aeruginosa may colonize humans, however, epidemiological data are scarce. Here, we determined overall and body site-specific carriage rates and associated risk factors among healthy individuals and newly admitted patients in three major cities. This cross-sectional study was conducted in Rotterdam (The Netherlands), Rome (Italy), and Jakarta (Indonesia) between 2022-2024. Adult healthy individuals and newly admitted patients were asked to provide throat, navel, and rectal/perianal swabs, and to complete a questionnaire. Univariable and multivariable analyses were performed to determine factors associated with P. aeruginosa carriage. Carriage rates differed significantly between cities (p < 0.001), and were lowest in Rome (healthy individuals 4.8%; patients 6.5%), followed by Rotterdam (healthy individuals 12.0%; patients 12.7%), and Jakarta (healthy individuals 28.6%; patients 24.0%). In carriers from Rotterdam, P. aeruginosa was most often detected in perianal swabs, while mostly in throat swabs among carriers from Rome and Jakarta. P. aeruginosa carriage had a seasonal association in patients from Rotterdam (p = 0.014) and Jakarta (p = 0.020). Among patients from Jakarta, female sex (aOR 1.98, 95% CI 1.02-3.84; p = 0.045) was associated with P. aeruginosa carriage. Overall, P. aeruginosa carriage rates and colonized body sites differ between cities and are likely associated with climate differences. Our findings warrant setting-specific adaptations of screening strategies and surveillance programs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».