Comparative study of common over-the-counter wound care products against early and mature biofilms of antibiotic-resistant wound pathogens
Notice bibliographique
Résumé
Background: The global rise of antimicrobial resistance requires innovative and affordable wound care solutions. Moreover, managing wounds infected with priority pathogens remains a challenge. Despite the widespread availability of over-the-counter (OTC) antiseptics in wound care, comparative studies on their efficacy against biofilms or multidrug-resistant pathogens are limited. Objectives: and Methods: The antimicrobial activity of seven antiseptics (polyhexanide, octenidine, chloroxylenol, chlorhexidine, ethanol, cetrimide, phenol) against early-stage (3-hour) and mature (24-hour) biofilms was determined by measuring reductions in colony-forming units (cfu)/biofilm while varying treatment exposure time. Results: = 3, LOD = 100 cfu/biofilm). In mature biofilms, significant differences emerged. Polyhexanide, octenidine and cetrimide yielded modest reductions in cfu count/biofilm (0.55-0.64-log) after 5 minutes, while chloroxylenol and phenol achieved ∼2.5-log reductions; notably, chlorhexidine reduced cfu/mature biofilms below detectable limits within 5 minutes. Extended exposure (60 minutes) enhanced the efficacy of phenol and ethanol, with chloroxylenol and octenidine reducing cfu/biofilm below detectable limits. Conclusion: OTC antiseptics are effective in eliminating early-stage biofilms; however, mature biofilms require either prolonged exposure, which may increase their toxicity and delay wound healing, or the use of potent formulations. Chlorhexidine gluconate, chloroxylenol and phenol offer an optimal balance between antibiofilm potency and tissue safety, offering promise for acute and chronic wound management particularly in low-resource 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».