Antimicrobial susceptibilities of bacteria isolated from wound cultures: A Three-year evaluation
Bibliographic record
Abstract
ÖZETYara enfeksiyonları özellikle az gelişmiş ve gelişmekte olan ülkelerde önemli bir sağlık sorunudur.Bu çalışmada etkin tedavi seçimine yardımcı olmak için, yara enfeksiyonuna yol açan mikroorganizmaların ve bunların antimikrobiyal duyarlılık paternlerinin ortaya çıkarılması amaçlanmıştır.Çalışmamızda, 2014-2017 yılları arasında izlenen hastaların mikrobiyoloji laboratuvarına gönderilen yara sürüntü örneklerinden izole edilen mikroorganizmaların retrospektif olarak değerlendirilmesi yapılmıştır.Enfeksiyon etkeni olduğu düşünülen mikroorganizmaların tanımlaması MALDI-TOF MS (bioMérieux, Fransa), antimikrobiyal duyarlılığı ise VITEK-2 (bioMérieux, Fransa) otomatize sistemi ile çalışılmıştır.Toplam 4492 yara örneği değerlendirilmiştir. 2014 yılında % 42.3, 2015 yılında % 54.1, 2016 yılında ise % 65.1 olmak üzere, toplam materyalin % 55'inde etken izole edilmiştir.Yara kültürlerinde en fazla üreyen bakteri Escherichia coli olup bunu Staphylococcus aureus ve Pseudomonas spp.izlemektedir.Yoğun bakım ünitelerinden en sık Pseudomonas spp.(% 16.5) izole edilirken, çocuk servislerinden ve dahili bilimlerden en sık S.aureus (sırasıyla % 31.1 ve % 16.1), cerrahi bilimlerden ise en sık E.coli (% 21.4) izole edilmiştir.Kolistin ve karbapenemler E.coli'de en etkili antimikrobiyaller olarak saptanmıştır.S.aureus'ların % 18.4'ü metisiline dirençli bulunmuş olup, hiçbir suşta glikopeptid ve linezolid direnci görülmemiştir.Her klinikten yara enfeksiyonu etkeni olarak farklı mikroorganizmaların izole edilmiş olması düzenli sürveyans çalışmasının yapılması ve bu doğrultuda akılcı antimikrobiyal kullanımı için antimikrobiyal duyarlılıklarının belirlenmesi gerektiğini göstermiştir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".