糖尿病视网膜病变 (DR) 是一种普遍存在且可能导致失明的眼部病变。由于该病通常无症状进展,因此定期筛查至关重要。视网膜成像技术的进步,例如标准 45° 视网膜摄影和超广角 (UWF) 成像,已显著改善了 DR 的检测和管理。人工智能 (AI) 在眼科领域的整合,特别是通过深度学习系统进行 DR 检测,已显示出令人欣喜的结果。无代码 AI 平台(如 Google AutoML(Google,加利福尼亚州,美国))旨在让没有编程专业知识的用户也能使用,从而使临床医生更容易开发和实施 AI 驱动的诊断工具。本研究探索了将 Google AutoML 应用于菲律宾当地三级医院图像数据集中的 UWF 视网膜图像,以创建和评估用于检测可转诊糖尿病视网膜病变 (refDR) 的机器学习模型。
背景:如果治疗不当,超广谱 β-内酰胺酶 (ESBL) 正在成为常见的院内病原体,并且是导致死亡和发病的重要原因。当务之急是找到有效的治疗方案来对付产生 ESBL 的细菌。本研究旨在评估超广谱 β-内酰胺酶的产菌对四环素类药物的体外敏感性模式。方法:这项描述性横断面研究在拉瓦尔品第国立科技大学陆军医学院微生物学系进行了 6 个月。本研究纳入了 78 个非重复分离株。使用 Jarlier 等人的方法进行 ESBL 检测。然后使用改良的 Kirby Bauer 纸片扩散法测试四环素类药物(如四环素、强力霉素、米诺环素和替加环素)的体外敏感性。在孵育期结束后测量抑菌圈,并根据 CLSI 和 FDA 指南进行解释。结果:分离株中大肠杆菌约占56.4%,肺炎克雷伯菌约占28.2%,肠杆菌属约占10.26%,产酸克雷伯菌和不动杆菌属各占2.6%。ESBLs对替加环素最敏感,对米诺环素的敏感性次之,对强力霉素和四环素的敏感性最差。结论:在四环素类中,替加环素对产ESBL的革兰氏阴性杆菌体外敏感性最好。关键词:超广谱β-内酰胺酶(ESBLs),四环素,敏感性