Information

Günstigste Methode, um die Dichte von S. aureus und Rhinoviren zu Hause zu messen

Günstigste Methode, um die Dichte von S. aureus und Rhinoviren zu Hause zu messen


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ich möchte die Oberflächendichte von messen Staphylokokken Bakterien und Rhinoviren (nur diese beiden, um genau zu sein) in meinem Haus. Was ist der günstigste Weg?

Das Lehrbuchverfahren ist:

  • reiben Sie die Oberfläche kontrolliert mit einem sauberen, feuchten Wattestäbchen
  • Tauchen Sie den Tupfer in eine saubere Agarschale (oder ein lebendes Medium zum Nachweis von Viren?)
  • das Gericht ausbrüten
  • "Suche nach genetischen Mustern aus speziellen Enzymreaktionen".

Ist es möglich, den letzten Schritt zu Hause zu tun? Oder gibt es einen einfacheren Weg, wenn ich mich nur darum kümmere Staphylokokken Bakterien oder Rhinoviren?


Für alle, die Ideen haben

S. aureus und Rhinovirus sind infektiöse Stoffe der Risikoklasse 2, die nur in einer BSL- oder Containment-Level-2-Umgebung gehandhabt werden. Der einzig mögliche Schritt hier ist Abstrich, Versiegelung und Versand an ein Labor, das damit umgehen kann.


Es sind einige Kits verfügbar, um das Vorhandensein von . zu erkennen S. aureus auf Oberflächen mit Agglutinationsfaktoren wie diesem. Diese Kits sind jedoch tendenziell 70 $ + wert und sie quantifizieren in keiner Weise, sondern erkennen nur.

Um quantitative Ergebnisse zu erhalten, müssen Sie ein Protokoll zum Abstrich eines bestimmten Bereichs einhalten und dann ein Labor die Tests zur Isolierung und Quantifizierung von Staph durchführen lassen.

Rhinoviren hingegen benötigen fortschrittlichere Techniken zum Nachweis und zur Quantifizierung, wie z. B. PCR, und dafür benötigen Sie kostspielige Laborgeräte.

Es gibt immer Möglichkeiten, Proben zum Testen an Labore zu senden, aber dies ist eine kostspielige Lösung.


Frage: Teil B – Welche Rolle spielt Quorum Sensing bei der Toxinsekretion? Eine mögliche Erklärung für den plötzlichen „Schwelleneffekt“ der Toxinsekretion in S. Aureus-Kulturen ist, dass diese Bakterien die Toxinsekretion durch Quorum Sensing regulieren. Quorum Sensing ist eine Methode, die Bakterien erkennen können, wenn ihre Populationsgröße eine bestimmte Dichte erreicht, und dann .

Teil B - Welche Rolle spielt Quorum Sensing bei der Toxinsekretion?

Eine mögliche Erklärung für den plötzlichen „Schwelleneffekt“ für die Toxinsekretion in S. aureus Kulturen ist, dass dieses Bakterium die Toxinsekretion reguliert, indem Quorum-Sensing. Quorum Sensing ist eine Methode, mit der Bakterien erkennen können, wenn ihre Populationsgröße eine bestimmte Dichte erreicht, und dann als Reaktion darauf etwas anderes tun. Mit anderen Worten, Quorum Sensing ermöglicht es einer ganzen Bakterienpopulation, koordinierte Aktivitäten durchzuführen.

Einzelne Bakterien sezernieren Signalmoleküle, die andere Individuen erkennen können. Mit zunehmender Population nimmt die Konzentration des Signalmoleküls in der Umwelt zu. Sobald die Konzentration des Signalmoleküls einen Schwellenwert erreicht, der von Rezeptoren auf der Bakterienoberfläche nachgewiesen wird, werden Signalübertragungswege in den Bakterien ausgelöst, die die Expression eines Zielgens induzieren. Das Zielgen kann für ein Protein kodieren, das an der Biolumineszenz, der Bildung eines Biofilms oder der Toxinproduktion beteiligt ist. Quorum Sensing stellt sicher, dass einzelne Bakterien ein Gen nicht exprimieren, bis jedes Individuum in der Population gleichzeitig dasselbe Gen exprimiert.

Um die Hypothese zu testen, dass die Toxinsekretion in S. aureus vom Quorum-Sensing abhängig ist, untersuchen Sie Mutanten, von denen bekannt ist, dass sie zwei separate Quorum-Sensing-Pfade blockieren: die agr Weg und die FANGEN Weg. Als Kontrolle verwenden Sie ganz normale ( Wildtyp ) Zellen. Sie beschließen auch, die ztr- Mutante als zusätzliche Kontrolle, da diese Mutante bekannt ist nicht an Quorum-Sensing beteiligt sein und Sie auf einen spezifischen Effekt von Quorum-Sensing-Mutationen testen möchten. Für jede Mutante züchten Sie Kulturen mit einer standardisierten hohen Dichte, messen die Menge an Toxin, die sie produzieren, und vergleichen sie mit den Wildtyp-Kontrollzellen.

Aus diesen Daten schlagen Sie ein Modell vor, wie S. aureus von einem harmlosen Bakterium auf der Haut zu einem ernstzunehmenden Krankheitserreger in einer Wunde.

Ordnen Sie die Schritte an, um Ihr Modell zu vervollständigen. Es werden nicht alle Etiketten verwendet. Siehe Tipp 1 für Hilfe bei den ersten Schritten.


Profilierung des menschlichen Immunsystems

Das Immunsystem spielt nicht nur bei der Gesunderhaltung, sondern auch bei der Pathogenese eine zentrale Rolle: Übermäßige Immunität wird beispielsweise mit Autoimmunerkrankungen (zum Beispiel Multiple Sklerose, Typ-1-Diabetes, Psoriasis, Lupus, rheumatoide Arthritis), Entzündungen in Verbindung gebracht (Sepsis, chronisch-entzündliche Darmerkrankungen) und Allergien sowie Zell- und Organabstoßungsdefizite werden dagegen mit Krebs oder Infektanfälligkeit in Verbindung gebracht.

Bei der Untersuchung immunvermittelter Erkrankungen beim Menschen stellt der eingeschränkte Zugang zu relevantem(n) Gewebe(n) für die Probenahme, wie dem Gehirn bei Multipler Sklerose oder den Gelenken bei rheumatoider Arthritis, eine wesentliche Einschränkung dar. Zellen des Immunsystems werden jedoch durch Rezirkulation zwischen zentralen und peripheren lymphatischen Organen sowie durch Wanderung zu und von Verletzungsstellen über das Blut erzogen und erfüllen ihre Funktionen (Abbildung 1). Da das Blut durch den Körper fließt und naive und gebildete Immunzellen von einem Ort zum anderen transportiert, fungiert es als Pipeline für das Immunsystem. Tatsächlich ist dies der bevorzugte Weg für Immunzellen, um die Lymphknoten zu erreichen, wo sich antigenspezifische Immunantworten entwickeln. Nachdem sie diese Knoten durch auslaufende Lymphgefäße verlassen haben, erreichen die Zellen wieder den Blutkreislauf, um zu Geweben im ganzen Körper transportiert zu werden. Wenn sie diese Gewebe patrouillieren, driften sie allmählich zurück in das Lymphsystem, um wieder ins Blut zu gelangen und den Kreislauf von vorne zu beginnen. Die komplexen Rezirkulationsmuster hängen vom Zustand der Zellaktivierung, den von Immun- und Endothelzellen exprimierten Adhäsionsmolekülen und dem Vorhandensein chemotaktischer Moleküle ab, die selektiv bestimmte Populationen von Blutzellen anziehen. Zirkulierende Immunzellen sind zudem Faktoren ausgesetzt, die systemisch freigesetzt werden.

Blut ist die Pipeline des Immunsystems. Transkriptionelles Profiling im Blut besteht aus der Messung der RNA-Abundanz in zirkulierenden kernhaltigen Zellen. Veränderungen der Transkripthäufigkeit können durch Exposition gegenüber Wirts- oder Pathogen-abgeleiteten immunogenen Faktoren (z von unreifen Neutrophilen, die als Reaktion auf eine bakterielle Infektion auftreten). Die wichtigsten im Blut zirkulierenden Blutleukozytenpopulationen sind in dieser Abbildung dargestellt. Jeder Zelltyp hat eine spezialisierte Funktion. Eosinophile, Basophile und Neutrophile sind angeborene Immuneffektoren, die eine Schlüsselrolle bei der Abwehr von Krankheitserregern spielen. T-Lymphozyten sind die Mediatoren der adaptiven zellulären Immunantwort. Antikörper-produzierende B-Lymphozyten (Plasmazellen) sind Schlüsseleffektoren der humoralen Immunantwort. Monozyten, dendritische Zellen und B-Lymphozyten präsentieren Antigene gegenüber T-Lymphozyten und spielen eine zentrale Rolle bei der Entwicklung der adaptiven Immunantwort. Blutleukozyten können im Kreislauf Faktoren ausgesetzt werden, die systemisch aus Geweben freigesetzt werden, in denen pathogene Prozesse stattfinden. Darüber hinaus durchqueren Leukozyten die Endothelbarriere, um lokale Entzündungsherde zu erreichen. Dendritische Zellen, die im Gewebe Entzündungsfaktoren ausgesetzt sind, werden über das Lymphsystem transportiert und gelangen über die afferenten Lymphgefäße in die Lymphknoten. Diese dendritischen Zellen treffen auf naive T-Zellen, die über hochendotheliale Venolen zum Lymphknoten transportiert werden. „Erzogene“ T-Zellen verlassen dann den Lymphknoten über efferente Lymphgefäße, die sich im thorakalen Lymphkanal sammeln, der wiederum mit der V. subclavia verbunden ist, wo diese T-Zellen wieder in den Blutkreislauf eintreten.

Zur Untersuchung des menschlichen Immunsystems steht derzeit eine breite Palette von molekularen und zellulären Profiling-Assays zur Verfügung (Abbildung 2). In den letzten Jahren hat sich der Grad der Ausgereiftheit von Instrumenten wie polychromatischen Durchflusszytometern, einem der beliebtesten Werkzeuge der Immunologen, erhöht. Auch in den Bereichen Genomik und Proteomik wurden bedeutende technologische Durchbrüche erzielt, die heute eine einzigartige Gelegenheit für die Untersuchung von Menschen in Gesundheit und Krankheit schaffen, wo die inhärente Heterogenität die Analyse großer Probensammlungen erfordert. Von den heute verfügbaren Hochdurchsatz-Technologien zur molekularen Profilierung sind genomische Ansätze am skalierbarsten, haben die größte Breite und Robustheit und eignen sich daher am besten für die Untersuchung menschlicher Populationen.

Das Immunprofiling-Armamentarium. Die Zahl der molekularen und zellulären Profiling-Tools mit hohem Durchsatz, die zur Profilierung des menschlichen Immunsystems verwendet werden können, nimmt rapide zu. Proteomische Assays werden verwendet, um die Antikörperspezifität zu bestimmen oder Veränderungen der Serumspiegel von Zytokinen oder Chemokinen unter Verwendung von Multiplex-Assays zu messen. Zelluläre Profiling-Assays werden verwendet, um Immunzellen basierend auf intrazellulären oder extrazellulären Markern unter Verwendung polychromatischer Durchflusszytometrie zu phänotypisieren. In vitro zelluläre Assays können die angeborene oder antigenspezifische Reaktionsfähigkeit in Zellen messen, die immunogenen Faktoren ausgesetzt sind. Genomische Ansätze bestehen aus der Messung der Häufigkeit von zellulärer RNA und auch von microRNAs, die in Zellen oder im Serum vorhanden sind. Andere genomische Ansätze bestehen in der Bestimmung von Gensequenz und -funktion (zB genomweite Assoziationsstudien, RNA-Interferenz-Screenings, Exom-Sequenzierung).

Das menschliche Genom kann aus zwei verschiedenen Blickwinkeln untersucht werden, die entweder darin bestehen, seine Zusammensetzung zu bestimmen oder seinen Output zu messen. Sequenzvariationen können beispielsweise unter Verwendung von Single-Nukleotid-Polymorphismus-(SNP)-Chips nachgewiesen werden, die die Identifizierung von häufigen Polymorphismen oder seltenen Mutationen im Zusammenhang mit Krankheiten ermöglichen. Hunderttausende von SNPs können mit diesen Plattformen typisiert werden, was einen genomweiten, hypothesenfreien Scan genetischer Assoziationen für einen bestimmten interessierenden Phänotyp ergibt. In den letzten Jahren wurden viele solcher genomweiten Assoziationsstudien (oft als GWAS bezeichnet) veröffentlicht, von denen einige die genetische Untermauerung immunvermittelter Erkrankungen untersuchen [1]. Insbesondere waren solche Studien nützlich, um Gene und Signalwege zu identifizieren, die an der Pathogenese von Autoimmunerkrankungen beteiligt sein könnten [2]. Auch Assoziationen zwischen gängigen genetischen Varianten und Infektionsresistenz wurden berichtet [3, 4]. Die mit diesem Ansatz gemessenen Parameter werden jedoch durch die Vererbung bestimmt und ändern sich während des gesamten Lebens eines Individuums nicht. Dies steht im Gegensatz zur Transkripthäufigkeit, die der Parameter ist, der durch den zweiten genomweiten Profilierungsansatz gemessen wird. Die Transkriptionsaktivität hängt weitgehend von Umweltfaktoren ab, und infolgedessen ändert sich die RNA-Häufigkeit im Laufe der Zeit dynamisch. Zum Beispiel können Sätze von Transkripten als Reaktion auf eine Infektionsherausforderung induziert werden und nach der Pathogenbeseitigung auf Grundlinienniveaus zurückkehren. Dynamische Veränderungen im zellulären Aufbau eines Gewebes werden auch Veränderungen in der Transkripthäufigkeit bewirken, die auf einer genomweiten Skala gemessen werden.

Transkriptionsprofile wurden von vielen menschlichen Geweben erhalten – darunter zum Beispiel der Haut [5, 6], des Muskels [7], der Leber [8, 9], der Niere [10, 11] oder des Gehirns [12] – aber der Status des Immunsystems kann am besten durch ein Profiling der Transkripthäufigkeit im Blut überwacht werden. Tatsächlich liefert die Profilerstellung der Transkripthäufigkeit im Blut eine „Schnappschuss“ der komplexen Immunnetzwerke, die im gesamten Körper funktionieren. Obwohl sich dies als valider Ansatz erwiesen hat, um Hinweise auf die Pathogenese zu finden und potenzielle Biomarker zu identifizieren [13–16], bestehen jedoch eine Reihe von Herausforderungen und Einschränkungen. Die Dateninterpretation ist eine davon. Erstens kann die Datenmenge, die aus solchen Studien generiert wird, überwältigend sein, und es ist notwendig, Informationen aus einer Vielzahl von Quellen (Studiendesign, Qualitätskontrolldaten, Probeninformationen und vor allem klinische Informationen) zu integrieren, damit die Ergebnisse interpretierbar sind . Zweitens können die in komplexen Geweben wie Blut beobachteten Veränderungen der Transkripthäufigkeit nicht nur durch die Regulation der Gentranskriptionsaktivität verursacht werden, sondern auch durch relative Veränderungen der Häufigkeit von Zellpopulationen, die Transkripte in konstanten Mengen exprimieren. Drittens können neben pathogenen Prozessen eine Reihe von Faktoren die Häufigkeit von Bluttranskripten beeinflussen und die Analyse durcheinanderbringen. Medikamente und Begleiterkrankungen sind zwei solcher Faktoren, die die Patientenauswahl oft einschränken und die Dateninterpretation erschweren. In diesem Aufsatz werden einige der kürzlich entwickelten Strategien diskutiert, die einige dieser Einschränkungen angehen.


Klinische Methoden zum Testen der antimikrobiellen Empfindlichkeit (AST) nach Goldstandard

Einfache klinische AST-Methoden wurden zwischen 1920 und 1980 entwickelt und standardisiert. Die Goldstandard-Methoden konzentrieren sich auf die Bestimmung der minimalen Hemmkonzentration (MHK) oder der qualitativen Wachstumskurve mit einer einfachen Auslesemethode, für die in der Regel das bloße Auge ausreichend ist. Goldstandardmethoden werden von verschiedenen Organisationen standardisiert, wie dem Clinical and Laboratory Standards Institute (CLSI) und der International Organization for Standardization (ISO) [12, 14,15,16]. Die Interpretation der Testergebnisse wird unter anderem vom European Committee on Antimicrobial Susceptibility Testing (EUCAST) [17] standardisiert. Obwohl die Tests zuverlässig sind, erfordern sie umfangreiche manuelle Laborarbeit und die Ergebnisse liegen normalerweise nicht am selben Tag vor, was ihre Anwendung einschränkt. Darüber hinaus bieten diese Tests keine Erkenntnisse über Wirkmechanismen.

Agar-Verdünnungsmethode

Die Agar-Verdünnungstechnik und die Bouillon-Verdünnungstechnik hatten ihr Debüt im Jahr 1929. Ihre endgültigen Versionen wurden in den 1940er Jahren eingeführt und werden noch heute verwendet [16]. Zur Bestimmung der MHK antimikrobieller Verbindungen wird die Agar-Verdünnungsmethode verwendet [18, 19]. Nach standardisierten Richtlinien werden anaerobe [20] oder aerobe [21] Bakterien auf Nähragarmedium ausgesät, das mit unterschiedlichen Konzentrationen antimikrobieller Wirkstoffe ergänzt wird. Die koloniebildenden Einheiten (KBE) werden dann nach 48 h Inkubation gezählt. Diese Methode ist einfach und kostengünstig auslesbar und hat sich als zuverlässig bei der Bestimmung von MHK erwiesen [19]. Die Kulturzeit zur Sicherstellung der CFU-Bildung ist jedoch lang. Eine verbesserte Version ist das chromogene Agarmedium, das aufgrund einer frühen sichtbaren Farbreaktion innerhalb von 18–24 h für anfällige Stämme einen schnelleren CFU-Nachweis ermöglicht. Darüber hinaus ist es für Kulturen mit mehreren Bakterienarten geeignet, da nur resistente Bakterien angefärbt und zwischen Stämmen und Arten unterschieden werden können. Die Anzeige bleibt gleich, aber nur die CFU erscheinen farbig [22, 23]. Die Vorteile der Agar-Verdünnungsmethode sind ihre Einfachheit und gut verstandene Parameter. Neuere AST-Methoden, die in diesem Review beschrieben werden, bieten größere Möglichkeiten.

Bouillon-Makroverdünnungsmethode

Eine der ältesten AST-Methoden, auch als Röhrchenverdünnungsmethode bekannt, verwendet Röhrchen, die zweifache serielle Verdünnungen von Antibiotika in flüssigem Wachstumsmedium enthalten [15, 24]. Anschließend wird jeder Lösung eine bekannte Menge suspendierter Bakterien zugesetzt. Nach 24 h Inkubation wird das Bakterienwachstum anhand der Trübung in den Röhrchen gemessen, was einen MHK-Wert ergibt. Der Hauptvorteil dieser Methode ist die Möglichkeit, quantitative MHK-Werte zu erhalten [19], sowie die minimale bakterizide Konzentration (MBC), die die niedrigste Wirkstoffmenge ist, bei der 99,9 % der Bakterien abgetötet werden (bakterizider Endpunkt). Diese Methode ist vom CLSI für aerob wachsende Bakterien standardisiert [25]. Standardisierte Modifikationen der Methode für anspruchsvolle Organismen werden im selben Dokument bereitgestellt.

Eine weitere analytische Technik für die Makroverdünnung von Brühe ist die Time-Kill-Methodik [26, 27]. Das Inokulum kann vervielfältigt werden, um die Abtötungsrate von Bakterien für verschiedene Konzentrationen zu analysieren. Die Lebensfähigkeit wird durch Koloniezählung auf Agarplatten zu regelmäßigen Zeitpunkten über 24 h bestimmt. Bakterielle Aktivität ist dann definiert als Konzentrationsverringerung mit der Zeit von ≥ 3 log10 CFU/ml im Vergleich zum anfänglichen Inokulum. Es handelt sich um eine standardisierte Methode, die vom CLSI [25] beschrieben wird. Zeit-Kill-Kurven können erstellt werden, um die antimikrobielle Aktivität eines Wirkstoffs zu visualisieren, indem Zeit oder Konzentration gegen KBE/ml aufgetragen werden. Durch die Bereitstellung dynamischer Informationen zwischen Wirkstoff und Bakterien ist die Time-Kill-Methode besonders nützlich, um die bakterizide Wirkung zu bestimmen.

Broth Macrodilution ist eine zuverlässige und standardisierte Methode für diagnostische Zwecke. Ein wesentlicher Nachteil besteht darin, dass jede Antibiotikalösung von Hand hergestellt werden muss. Dies bietet zwar eine gewisse Flexibilität bei der Wirkstoffauswahl und -konzentration, ist aber insbesondere bei größeren experimentellen Untersuchungen ein sehr zeitaufwändiger Prozess. Schnellere Methoden, die für das Screening besser geeignet sind, haben nun die Makroverdünnung der Bouillon ersetzt. Außerdem wird für jede Verdünnung eine beträchtliche Menge an Reagenzien benötigt. Aus letzterem Grund wurde die Mikroverdünnung, eine verkleinerte Version der Makroverdünnung, entwickelt.

Scheibendiffusion/Kirby-Bauer-Methode

Im gleichen Jahrzehnt wie die Agar-Verdünnungsmethode wurden Diffusionstechniken entdeckt, die 1959 zur Einführung der Kirby-Bauer-Methode führten. Diese seit 1975 zugelassene Methode verwendet eine mit Antibiotika imprägnierte Papierscheibe zur Bestimmung der Arzneimittelresistenz [16 , 27]. Agarplatten werden mit bakteriellem Inokulum angereichert und 18–24 h inkubiert. Diese Kolonien werden dann in Brühe oder Kochsalzlösung auf eine standardisierte Konzentration resuspendiert und mit einem Wattestäbchen auf eine Agarplatte aufgetragen. Anschließend werden die Papierscheiben eingelegt und die Platten über Nacht inkubiert. Eine Hemmzone entsteht, wo die Konzentration der diffundierten antibiotischen Partikel hoch genug ist, um das Bakterienwachstum zu hemmen. Es werden qualitative Ergebnisse geliefert, die Bakterien je nach Größe der Hemmzone in empfindliche, intermediäre und resistente Stämme kategorisieren. Für die Beurteilung der Hemmzone vieler Bakterienarten und -stämme sowie für Arzneimittelinteraktionen durch Einlegen mehrerer Disks mit unterschiedlichen Wirkstoffen auf derselben Agarplatte stehen standardisierte Auslesungen zur Verfügung [28]. Die Scheibendiffusion ist für schnell wachsende aerobe Krankheitserreger sowie mehrere anspruchsvolle Organismen, wie z Haemophilus influenzae, Neisseria gonorrhoeae, N. meningitidis, S. pneumoniae, und Beta-hämolytische Streptokokken und Streptokokken der Viridans-Gruppe [29]. Durch Modifikationen der Methode können auch andere anspruchsvolle Bakterien getestet werden [30]. Die Handhabung des Tests ist einfach, unkompliziert und erfordert keine spezielle Ausrüstung. Ein gewisses Maß an Flexibilität bietet die Möglichkeit, den Antibiotikumtyp durch einfaches Wechseln einer einzelnen Scheibe zu wechseln. Derzeit hat diese AST-Methode die niedrigsten Kosten [15]. Ein wesentlicher Nachteil ist die Ungeeignetheit für langsam und anaerob wachsende Mikroorganismen [27, 29]. Außerdem ist dieser Test von einer geeigneten Diffusion abhängig. Daher ist das Molekulargewicht der Wirkstoffmoleküle ein entscheidender Faktor bei dieser Methode. Außerdem können Unebenheiten und Unebenheiten der Agarplatten die Diffusion beeinträchtigen und zu falschen Ergebnissen führen. Ein weiterer Nachteil ist, dass der Test nur qualitative Ergebnisse liefert und keine quantitativen MHK-Werte [15]. Komplexere Ansätze, wie in den folgenden Abschnitten beschrieben, haben versucht, einige dieser Nachteile anzugehen.

Etest

Der Etest ist eine erweiterte Version der Agardiffusionsmethode und wird ähnlich wie die Scheibendiffusionsmethode durchgeführt. Anstelle der Papierscheiben wird ein vordefinierter exponentieller Gradient des Antibiotikums auf die Unterseite eines Plastikstreifens aufgetragen, der anschließend auf ein Agar-basiertes Medium gelegt wird, um die Diffusion des Wirkstoffs zu erzeugen (Abb. 1). Nach 24 h Inkubation mit dem bakteriellen Inokulum ist die genaue MHK eines Medikaments, die notwendig ist, um das Bakterienwachstum zu stoppen, leicht auf dem Streifen abzulesen.

Etest zur Bestimmung der minimalen Hemmkonzentration (MHK) von Antibiotika. ein Bild des Testaufbaus. Die applizierte Antibiotikakonzentration auf dem Streifen hängt von der Art des Antibiotikums ab und kann zwischen 0,016–256 µg/ml oder 0,002–32 µg/ml variieren. B Schematische Darstellung der Etest-Hemmzone mit Angabe der MHK bei 0,75 µm/ml. ein Nach Jorgensen und Ferraro [15] mit freundlicher Genehmigung von Oxford University Press. B In Anlehnung an Schwalbe et al. [27] und Taylor and Francis Group LLC Bücher

Eine andere Technik mit vergleichbarer Funktionalität ist die Spiral-Gradienten-Endpunkt-Technik, bei der der Gradient durch einen Spiral-Plater erzeugt wird, der eine Stammlösung auf der Agarplatte absetzt. Der Abstand vom Zentrum der Platte bis zum Endpunkt des Wachstums ermöglicht die Bestimmung der MHK [31], wie zuvor von Jorgensen und Ferraro [15] beschrieben. Diese Methode erwies sich als wirksame Methode zum Nachweis von heterogenem Vancomycin-nicht-empfindlichen S. aureus (hVISA) und Vancomycin-Zwischenprodukt S. aureus (VISA) [31].

Der Etest hat gegenüber dem Scheibendiffusionstest mehrere Vorteile. Da der Gradient bis zu 20 h stabil ist, eignet er sich erstens für eine Vielzahl von Krankheitserregern, von schnell wachsenden aeroben und anaeroben Bakterien bis hin zu langsam wachsenden anspruchsvollen Bakterien [32]. Darüber hinaus kann der Test zum Auffinden einer heterogenen Resistenz oder eines Bakterienstamms verwendet werden, der sowohl anfällige als auch resistente Kolonien bildet [31]. Es kann einen genauen MHK-Wert liefern, der eine Feinabstimmung der Antibiotika-Behandlungsschemata der Patienten ermöglicht. Dieses Verfahren ist jedoch teurer als das Papierscheibendiffusionsverfahren [15, 27]. Jorgensen und Ferraro [15, 33] fanden auch einen systematischen Bias für kleinere und größere MHK-Werte für bestimmte Bakterien-Wirkstoff-Kombinationen im Vergleich zur Bouillonverdünnung, was eine Einschränkung des Tests zeigt. Im Allgemeinen ist der Etest eine bequeme AST-Methode, die zu höheren Kosten exakte quantitative MHKs liefert.

Mikroverdünnungsmethode

Die Mikroverdünnung wurde 1977 eingeführt. Die Mikroverdünnung versucht, den Durchsatz der Makroverdünnung in Brühe zu erhöhen, indem ein Test mit 12 verschiedenen Antibiotika in einer 96-Well-Platte durchgeführt wird. Nach der manuellen oder automatisierten Zugabe einer kleinen Menge Bakterien in jede Vertiefung wird die Platte über Nacht inkubiert, wobei eine beobachtbare Farbänderung zusammen mit Bakterienwachstum erzeugt wird. Ein automatisches oder manuelles Beobachtungsgerät kann verwendet werden, um die MHK durch Fluoreszenzintensitäts- oder Trübungsmessungen zu bestimmen [15]. Die Well-Platten können mit unterschiedlichen Konzentrationen des in jedem Well vorgefertigten Trockenmittels erworben werden, um die Standardisierung und Benutzerfreundlichkeit zu verbessern. Die Mikroverdünnung ist vom CLSI sowohl für anaerobe [34] als auch für aerobe Bakterien [21] standardisiert. Der offensichtlichste Vorteil ist die Reduzierung von Arbeitsraum, Reagenzien und Zeit. Ein Hauptnachteil besteht jedoch darin, dass die Arzneimittelauswahl auf kommerziell erhältliche Panels beschränkt ist. Mit einem höheren Automatisierungsgrad ist die Mikroverdünnung jetzt eine Goldstandard-Technik, die gegenüber der Makroverdünnung in Brühe bevorzugt wird.

Mikrokalorimetrie

Die Mikrokalorimetrie nutzt die thermischen Ereignisse des Bakterienwachstums, um die bakterielle Anfälligkeit zu erkennen. Der Test wurde Mitte der 1970er Jahre als alternatives AST-Verfahren bahnbrechend [35, 36]. In den letzten zehn Jahren wurden mehrere Studien mit einem mikrokalorimetrischen Assay durchgeführt, um die MHK verschiedener S. aureus und Escherichia coli Stämme [37] und zum Nachweis von Methicillin-resistenten S. aureus (MRSA) [38, 39]. Während der exponentiellen Wachstumsphase von Bakterien findet aufgrund des erweiterten Zellstoffwechsels eine exponentielle Zunahme der Wärmeproduktion statt. Dieser Wärmefluss kann mit einem Kalorimeter gemessen werden, und die Aufzeichnung des Wärmemusters über die Zeit ermöglicht die Erstellung einer Bakterienwachstumskurve (Abb. 2). MRSA- und Methicillin-sensitiv S. aureus (MSSA) zeigten nach 5 h und nach 4 h unterschiedliche Wärmeentwicklungsprofile von Baldoni et al. [38] und von Ah et al. [39] bzw. Die Möglichkeit, in so kurzer Zeit antibiotikaempfindliche und -resistente Bakterienstämme zu unterscheiden, ist ein großer Vorteil und macht es zu einem interessanten Instrument für das Screening. Die Mikrokalorimetrie ist eine informative Methode, die MHK-Werte, die allgemeine Rate und Kurve des Bakterienwachstums, die Antibiotikaempfindlichkeit und -resistenz liefert. Obwohl festgestellt wurde, dass die mikrokalorimetrischen Ergebnisse mit standardisierten Methoden übereinstimmen [40], gibt es keine offiziellen Standardisierungsdokumente. Darüber hinaus ist der Forschungsaufwand zur Messung der Wärmeproduktion für ein AST-Verfahren begrenzt.

Mikrokalorimetrie zeigt ein Wärmestrom (mW) und B Gesamtwärme (J), die durch mikrobielles Wachstum im Laufe der Zeit (h) erzeugt wird. Unterschiede zwischen Methicillin-empfindlichen Staphylococcus aureus (MSSA) und Methicillin-resistent S. aureus (MRSA) in Gegenwart (durchgehende Linien) und Abwesenheit (gestrichelt) von Cefoxitin. Angepasst von Baldoni et al. [38] mit Genehmigung der American Society for Microbiology (ASM) Journals

Polymerase-Kettenreaktion (PCR)-basierte Techniken

Polymerase-Kettenreaktion (PCR)-basierte Techniken für AST sind im Handel in Form von Assays und automatisierten Maschinen erhältlich und werden in klinischen Umgebungen sehr bevorzugt. PCR, sowohl in Echtzeit als auch konventionell, werden verwendet, um DNA-Sequenzen zu amplifizieren, die spezifisch für einen bestimmten Krankheitserreger und dessen Anfälligkeit oder Resistenz gegenüber einem Medikament sind. Ein Beispiel beinhaltet die mecEin Gen, das für das Penicillin-bindende Protein PBP2a kodiert, das die Affinität zu Beta-Lactam-Antibiotika reduziert [41, 42]. Dieses Gen kommt häufig bei MRSA vor und hat den großen Vorteil, dass es in Kliniken schnell identifiziert werden kann [43]. Darüber hinaus sind das Ausmaß und die Intensität der Genexpression und nicht nur ihre Anwesenheit wichtige Parameter, da einige Gene eine hohe Expression benötigen, um Resistenzen zu erzeugen [44].

Ein großer Vorteil von PCR-basierten Methoden ist, dass sie schnell durchgeführt und ausgewertet werden können. Ergebnisse können mit hoher Spezifität und Sensitivität innerhalb von 2 h erhalten werden. Darüber hinaus müssen Proben nicht immer aufgereinigt werden, sondern können primäre, nicht sterile klinische Proben sein und somit Bakteriengemische enthalten [45,46,47,48]. Real-time PCR kann mit sehr kurzer Inkubationszeit Unterschiede zwischen empfindlichen und resistenten Stämmen erkennen und wurde für eine Vielzahl von Bakterienarten, insbesondere MRSA und Vancomycin-resistente MRSA (VMRSA) angewendet [49,50,51,52,53]. Es kann auch zwischen lebenden und toten Bakterien unterscheiden, indem es beispielsweise Ethidiummonoazid oder Propidiummonoazid verwendet [54, 55]. Auf der anderen Seite können PCR-Techniken keine Informationen über Resistenzmechanismen liefern [42]. Darüber hinaus kann die Anzahl der an der Resistenz beteiligten Gene und Mechanismen je nach Stamm recht komplex sein, was zu Fehlinterpretationen der Daten führen kann [56,57,58]. Zu wissen, welche Gene analysiert werden müssen, ist eine Voraussetzung, um die Möglichkeit des Nachweises falscher Resistenzen zu minimieren, und dies bleibt einer der größten Nachteile dieser Methode. Dennoch sind PCR-basierte AST-Methoden ein sicheres, effizientes und zuverlässiges Screening-Tool im klinischen Umfeld.


Mikrobiologie Prüfung 4, Mikrobiologie Kapitel 15, Mikrobiologie Ch 14, 19, 20

A) Es produziert Protein A, das die Opsonisierung hemmt.

C) Es enthält Lancefield-Antigene der Gruppe A.

D) Es produziert Streptolysine.

A) die speziesspezifische Teichonsäure in seiner Zellwand

B) die Art des Lancefield-Antigens, das es produziert

C) das Vorhandensein einer Polysaccharidkapsel, die es vor der Verdauung nach der Endozytose schützt

D) die Art der Toxine, die es produziert

D) Scharlach oder nekrotisierende Fasziitis.

C) Streptococcus agalactiae.

D) Streptococcus pneumoniae.

A) Streptococcus agalactiae.

B) Streptococcus pneumoniae.

C) Streptococcus pneumoniae

D) Streptococcus equisimilis

A) die luftgetragenen Endosporen, die es produziert.

B) die Färbeeigenschaften des Bazillus unter dem Mikroskop.

C) der schwarze Schorf, den es auf der menschlichen Haut produziert.

D) seine Fähigkeit, in den Blutkreislauf einzudringen und eine Toxämie zu erzeugen.

A) Es ist in erster Linie eine Krankheit des Menschen.

D) Es lebt normalerweise im Boden und kann Jahrhunderte oder länger in der Umwelt überleben.

A) Clostridium perfringens

A) es verschmilzt irreversibel mit neuronalen zytoplasmatischen Membranen und blockiert die Freisetzung von Acetylcholin an synaptischen Spalten.

B) das kleinere Polypeptid seines Toxins kann die Freisetzung von inhibitorischen Neurotransmittern durch inhibitorische Neuronen im Zentralnervensystem blockieren, was eine gleichzeitige Kontraktion beider Muskeln in einem antagonistischen Paar verursacht.

C) es ist ein pyrogenes Toxin, das einen diffusen Hautausschlag und später eine Ablösung der Haut auslöst.

D) es zerstört Gewebe, einschließlich Muskeln und Fett.

A) Seine einzige Quelle sind tiefe Einstichwunden von rostigen Nägeln.

B) Sein Toxin bewirkt eine gleichzeitige Kontraktion beider Muskeln in einem antagonistischen Paar.

C) Es ist ein kleiner, beweglicher, obligater Anaerobier.

D) Es produziert eine terminale Endospor, die der Zelle ein charakteristisches "Lollipop"-Aussehen verleiht.

A) produzieren starke Giftstoffe.

B) sehr resistente Endosporen bilden.

C) leben innerhalb von Zellen und vermeiden so eine Exposition gegenüber dem Immunsystem ihres Wirts.

D) werden beim Menschen leicht zu einem Krankheitserreger.

A) Obwohl alle Arten von Corynebacterium pathogen sind, ist der Erreger der Diphtherie am bekanntesten.

B) Sein Toxin zerstört den Elongationsfaktor, der zur Synthese von Polypeptiden in Eukaryoten benötigt wird.

C) Es produziert eine charakteristische Pseudomembran, die an Mandeln, Zäpfchen, Gaumen, Rachen und Kehlkopf haften kann.

D) Sein Wachstum auf Loeffler-Medium wird zur absoluten Diagnose des Bakteriums verwendet.


Ergebnisse

Bestimmung der minimalen Hemmkonzentration von Essigsäure

Insgesamt wurden 29 Isolate getestet (neun P. aeruginosa, acht EIN. baumannii, und 12 Komparatoren (Tabelle 1)). AA war bei der Verhinderung des planktonischen Wachstums aller Organismen wirksam, mit MHKs von 0,16–0,31 %. Neun Isolate (31 %) hatten eine MHK von 0,16 %, weitere 20 (69 %) wurden durch 0,31 % AA gehemmt. Folglich wiesen alle 29 Isolate (100 %) eine AA-MIC von ≤ 0,31 % auf (Tabelle 2).

Der Unterschied in der MHK zwischen 0,16 und 0,31 % für verschiedene Stämme derselben Spezies wurde als nicht signifikant angesehen und war nicht mit Unterschieden im Antibiogramm verbunden.

Einfluss von Essigsäure auf die Biofilmbildung

Dieselben 29 Isolate wurden im MBIC-Assay einer AA unterzogen (Tabelle 2). Es wurde ein Spektrum der Biofilmbildung beobachtet, aber vier Isolate (13,8%) (bestehend aus EIN. baumannii (n = 1) und MRSA (n = 3)), produzierten kaum Biofilme (im Vergleich zu anderen Isolaten derselben Spezies) und zwei Isolate (6,9 %) (bestehend aus EIN. baumannii (n = 1) und MDR_E Carbapenem-resistent E. Kloake (n = 1)) wurden als unzuverlässige Biofilmproduzenten eingestuft. MDR_E wurde als unzuverlässig definiert, da dieses Isolat eine variable Biofilmproduktion aufwies und bei 25 von 44 Tests keinen Biofilm erzeugte, der der niedrigsten Menge entspricht, die von MSSA_10788 produziert wurde. Isolate, bei denen sich die durchschnittliche Biofilmbildung (gemessen durch OD) nach Kristallviolett-Färbung nicht signifikant von den Kontrollen nur mit Brühe unterschied (gemessen durch den Schüler-T-Test), wurden von der weiteren Analyse ausgeschlossen. Dazu gehörten die sechs oben genannten Isolate (20,7 %), die nicht in die weitere Analyse der Anti-Biofilm-Wirkungen einbezogen wurden (auch nicht im MBEC-Modell getestet) (Abb. 1).

Die optische Dichte auf der y-Achse bezieht sich auf die durchschnittliche Biofilmbiomasse (in Abwesenheit von AA) für alle auf der x-Achse gezeigten Isolate. White (unshaded) bars represent isolates that were excluded from further testing owing to poor biofilming ability when compared to their other species counterparts. Red bars represent the isolates with unreliable biofilm production. Error bars represent the standard error for each average value and asterisks denote values statistically significantly different from the broth only control.

AA was effective at preventing the formation of a biofilm for the remaining 23 isolates tested, with MBICs of i) <0.10% for five (20.8%) organisms (P. aeruginosa, A. baumannii, und E. coli), ii) 0.16% for 10 (43.5%) (P. aeruginosa, EIN. baumannii, E. coli, K. Lungenentzündung, und E. cloacae), and iii) 0.31% for eight (33.3%) (P. aeruginosa, P. mirabilis, and MSSA) (Table 2). Consequently 0.31% AA (or lower) was effective at preventing the formation of biofilms by all 23 isolates tested.

The degree of biofilm inhibition was dose-dependent, with the MBIC representing the lowest dilution where there is no apparent biofilm, and a statistically significant difference (p<0.05) in biofilm biomass compared to the positive control. Fig 2 shows these data for two randomly selected representative strains of P. aeruginosa (PS_919 and PS_1586). Graphs showing the MBIC for all the isolates can be found in the supplementary results (S1 Fig).

Optical density on the y axis refers to the average biofilm biomass for isolates PS_919 and PS_1586 at the range of AA dilutions tested. POS: positive control, NEG: negative (broth only) control. The error bars represent the standard error, and asterisks denote dilutions with statistically significant reductions in biofilm production according to the t-test.

Concentrations of AA below the MIC were also analysed for biofilm formation, by measuring the Biofilm Forming Units (BFU) (A595 of the solubilized CV solution/A600 of the planktonic phase). There was no significant inhibition of biofilm formation at these low concentrations of AA (an example of these data are shown in S2 Fig).

Student t-tests performed on the data from test wells with and without AA, and at all % of AA, indicated statistically significant (p-value ≤0.05) reduction in biofilm biomass formed for i) five isolates with a MBIC of ≤0.10%, ii) 10 with an MBIC of 0.16%, and iii) eight with an MBIC of 0.31%.

Impact of acetic acid on biofilm viability

The MBEC assay was performed on 22 biofilm-forming isolates to assess the activity of AA against pre-formed biofilms. Seven were not tested since they failed to form a biofilm in the MBIC assay (Table 2), or were identified to be a weaker biofilm-producing organism in this specific assay (PS_27853).

For the 22 isolates tested, incubation of the biofilm-coated peg plate for three hours at 33°C in the range of dilutions of AA (5–0.01%) resulted in a statistically significant reduction in seeding. This was visualised by plotting a graph of the detector broth OD (with high numbers indicating turbidity and hence seeding of a viable biofilm), and then measured by subjecting all AA dilutions and the positive control (the overnight bacterial cultures in the absence of AA) to the paired t-test. The lowest concentration of AA where there was minimal seeding of the biofilm and a p value of ≤0.05% was recorded as the MBEC (Table 2). Fig 3 shows randomly selected representative MBEC data for AB_AYE and MDR_A. Graphs showing the MBEC for all the isolates can be found in the supplementary results (S3 Fig).

Optical density on the y axis refers to the average biofilm seeding for isolates AB_AYE and MDR_A after 3 hours of exposure to AA at the range of dilutions tested. POS: positive control, NEG: negative (broth only) control. The vertical line represents the MBEC, the error bars represent the standard error, and asterisks denote dilutions with statistically significant reductions in the seeding of the biofilm according to the t-test.

Plots were also made of the CV values in order to prove that biofilms (viable or otherwise) were present on the pegs at the time of exposure to AA and the reporter broth. Biofilms were present on all the test pegs in the MBEC assay and hence the reduction in seeding that we observed is a true reflection of the effect of the 3 hour AA exposure.

The concentrations of AA that eradicated a pre-formed biofilm ranged from ≤0.10% to 2.5% (Table 2). In addition to this complete killing of the biofilm, there was statistically significant reduction in seeding at all dilutions of AA for 11 organisms (P. aeruginosa, EIN. baumannii und E. coli) (Table 2). For the others, the t-test data, and MBEC values read from the graphs, were largely in agreement (data not shown).


Lectin-based detection of Escherichia coli und Staphylococcus aureus by flow cytometry

This study develops a flow cytometry analysis of the bacterial pathogens Escherichia coli und Staphylococcus aureus based on a ligand–bioreceptor interaction. We used fluorescently labeled plant lectins as natural receptors that could specifically interact with the cell wall carbohydrates of bacteria. An epifluorescence microscopy was used as an additional approach to confirm and visualize lectin–carbohydrate interactions. The binding specificity of plant lectins to E coli und S. aureus cells was studied, and wheat germ agglutinin, which provided high-affinity interactions, was selected as a receptor. Using this method, bacterial pathogens can be detected in concentrations of up to 10 6 cells/mL within 5 min. Their accessibility and universality make lectin reagents a promising tool to control a wide range of bacterial pathogens.

Dies ist eine Vorschau von Abonnementinhalten, auf die Sie über Ihre Institution zugreifen können.


Zugangsoptionen

Buy single article

Instant access to the full article PDF.

Die Steuerberechnung wird während des Bezahlvorgangs abgeschlossen.

Subscribe to journal

Immediate online access to all issues from 2019. Subscription will auto renew annually.

Die Steuerberechnung wird während des Bezahlvorgangs abgeschlossen.


Future developments

Technological development progresses extremely quickly, demonstrated by revolutionary changes in computing, mobile phone technology, and DNA-sequencing over recent decades. The biology of CM in dairy cattle has not changed as much over the same period, although developments in genetics and husbandry have led to significant shifts in milk production and predominant pathogen populations in developed countries. Societal attitudes towards AMU have changed more recently and influence availability and use of antimicrobials for CM treatment. Possibly most resistant to change is human behaviour, which drives the need for as well as the development and uptake of diagnostics. In this section, we discuss opportunities to harness the power of the technological revolution, the data revolution, and the people that milk or manage cows (Fig. 1).

Fig. 1. Point-of-care tests for bovine clinical mastitis. What do we have and what do we need.

Harnessing the power of technology

Advances in microfluidics allow development of technologies that can be incorporated into automatic monitoring systems and portable devices for sensitive and rapid mastitis diagnostics (Viguier et al., Reference Viguier, Arora, Gilmartin, Welbeck and O'Kennedy 2009). After somatic cell count, perhaps biomarkers such as acute phase proteins (APPs) are the most widely studied inflammatory biomarkers in milk. Haptoglobin (Hp) and milk-amyloid A (MAA) are especially prominent members of this group in dairy cattle and both are synthesised locally in mammary tissue. To inform treatment decisions, biomarker patterns would need to be pathogen-specific. Whilst there is some evidence to support this approach, which could be enhanced by multiplex assays linked to machine learning technology (see next section), it is not always clear whether APP profiles reflect severity of inflammation or causative agents and concerns exist about sensitivity and specificity (Pyörälä et al., Reference Pyörälä, Hovinen, Simojoki, Fitzpatrick, Eckersall and Orro 2011). Small inflammatory mediators such as cytokines and chemokines have shown significant promise with proteomic platforms differentiating the host response to different pathogens (Kusebauch et al., Reference Kusebauch, Hernández-Castellano, Bislev, Moritz, Røntved and Bendixen 2018), and progress is being made in the development of biosensors for detecting such biomarkers (reviewed by Martins et al., Reference Martins, Martins, Cardoso, Germano, Rodrigues, Duarte, Bexiga, Cardoso and Freitas 2019). Increasingly, the line between biomarker detection and pathogen detection is blurred, as culture-free pathogen detection becomes feasible on microfluidic devices popularly known as ‘lab on a chip’. One of the key challenges in the development of such devices is the need to detect multiple targets. We are not aware of developments aimed at differentiating gram-positive and other causes of mastitis, although identification of a few major gram-positive mastitis pathogens might suffice to support on-farm treatment decisions. If so, paper-based multiplex LAMP assays may provide a low-cost option that is fast, microbiologically safe (no pathogen amplification, paper can be burned after use) and environmentally sustainable (Reboud et al., Reference Reboud, Xu, Garrett, Adriko, Yang, Tukahebwa, Rowell and Cooper 2019).

Harnessing the power of data

Technological developments should be accompanied by developments in data analysis to maximise the benefit from increasingly sophisticated biomarker or pathogen detection systems.

Machine learning methods became popular for many applications in which predictive performance is the main aim. This type of narrow artificial intelligence has been applied to mastitis diagnosis, focusing on real-time detection from milking data. Artificial neural networks (ANN) and tree based models perform best in this context (Ebrahimie et al., Reference Ebrahimie, Ebrahimi, Ebrahimi, Tomlinson and Petrovski 2018 Ebrahimi et al., Reference Ebrahimi, Mohammadi-Dehcheshmeh, Ebrahimie and Petrovski 2019), linking parameters such as milk yield, electrical conductivity, and lactose level to SCM. This black-box type of model is optimised for prediction at the cost of interpretability, which is a good trade-off for real-time mastitis diagnosis. Adding more layers of weights to ANNs gives rise to the ‘deep learning’ models that are successful in many fields. Dhoble et al. ( Reference Dhoble, Ryan, Lahiri, Chen, Pang, Cardoso and Bhalerao 2019) recommends neural networks also for label-free flow cytometry data to routinely screen for mastitis.

By contrast, simple classification tree models are easy to interpret, and cut-off values calculated from them are easily applicable in POC tests such as lateral flow immunoassays. More complex models (random forests, gradient boosted trees) gain predictive accuracy at the cost of interpretability (Ebrahimi et al., Reference Ebrahimi, Mohammadi-Dehcheshmeh, Ebrahimie and Petrovski 2019). Like neural networks, complex tree models are mostly black boxes to the user. Machine learning methods are more flexible than classic multivariate statistical methods, requiring fewer assumptions about the data generating mechanisms and independence of various measurements. They can combine multiple data types into a single prediction model, making them useful for mastitis diagnosis based on a combination of demographic, epidemiological, milking, flow cytometry, and biomarker data. However, the lack of human oversight in the model specification process is also the drawback of many machine learning models. Biases in the data on which these models are trained tend to get reinforced in the model fitting process, reducing the applicability of the model to the wider animal/farm population. Training data sets should therefore be representative of the target population, and also relatively large to avoid overfitting.

In the era of cheap sensors, the goal will be to develop rapid (semi-)automated diagnostic systems that apply artificial intelligence to real-time data streams (e.g. from automated milking) and biomarker information to distinguish between gram-positive and gram-negative pathogens. Differences in baseline parameters between farms will pose a challenge, which can be overcome by either standardising the machine learning models, or retraining them for use on new farms (Ebrahimi et al., Reference Ebrahimi, Mohammadi-Dehcheshmeh, Ebrahimie and Petrovski 2019). Ideally, data from diagnostic systems would be combined with prognostic factors, such as duration of infection (SCC and CM history), parity, as well as measures of cow value (genetic merit and lactational performance) to weigh the probability of treatment success against the value of the individual animal. Studies on prognostic indicators are limited but suggest the importance of similar factors across multiple gram-positive organisms (Barkema et al., Reference Barkema, Schukken and Zadoks 2006, Samson et al., Reference Samson, Gaudout, Schmitt, Schukken and Zadoks 2016).

Harnessing the power of people

Scientific research has generated sufficient knowledge to support targeted treatment of non-severe CM based on pathogen identification and cow factors. However, this knowledge is hardly implemented and farmers frequently experience ‘insecurity’ and ‘uncertainty’ about mastitis treatment (Swinkels et al., Reference Swinkels, Hilkens, Zoche-Golob, Krömker, Buddiger, Jansen and Lam 2015). Such feelings may motivate farmers to seek social approval and emulate peer behaviour, for example by extending treatment where increased AMU is perceived to be ‘better’ (Swinkels et al., Reference Swinkels, Hilkens, Zoche-Golob, Krömker, Buddiger, Jansen and Lam 2015). Ideally, the same social phenomenon would be harnessed to reduce AMU, e.g. by training ‘champions’ of antimicrobial stewardship and using peer networks to spread prudent AMU. Farmer-led approaches rather than traditional passive knowledge transfer methods may be the best way to motivate change in AMU or POC test use (Bard et al., Reference Bard, Main, Haase, Whay, Roe and Reyher 2017). In addition, communication approaches like motivational interviewing, which are designed to facilitate clients' internal motivation to change may improve uptake of veterinarian advice (Bard et al., Reference Bard, Main, Roe, Haase, Whay and Reyher 2019 Svensson et al., Reference Svensson, Lind, Reyher, Bard and Emanuelson 2019). Demographic factors and affective attributes, such as a veterinarian's age, respectfulness and dominance, or a farmer's education level also influence farmers' satisfaction and willingness to adopt veterinary advice (Ritter et al., Reference Ritter, Adams, Kelton and Barkema 2019). Such insight could be implemented to promote POC tests uptake and targeted treatment approaches.

Farmers and veterinarians are part of food production and health care systems that may provide barriers or incentives for behaviour change. Perceived barriers at farm level include lack of time, economic investment with no financial short-term benefits and labour shortages (Ritter et al., Reference Ritter, Jansen, Roche, Kelton, Adams, Orsel, Erskine, Benedictus, Lam and Barkema 2017). Drivers for uptake may include improvement of cows' welfare and farm profitability, long-term job satisfaction, reputational benefits in relation to consumer demands, social recognition and pride, and the desire to conform to perceived standards of ‘being a good farmer’ (Swinkels et al., Reference Swinkels, Hilkens, Zoche-Golob, Krömker, Buddiger, Jansen and Lam 2015). In some countries AMU quota have been implemented successfully or recommended to reduce AMU (Bos et al., Reference Bos, Mevius, Wagenaar, van Geijlswijk, Mouton and Heederik 2015 O'Neill, Reference O'Neill 2016). Benchmarking of individual AMU against average AMU of peers or at national level can provide a sense of being part of a nationwide reduction campaign and may encourage POC test uptake, as farmers are more inclined to assume their responsibility as a part of joint effort (Ritter et al., Reference Ritter, Jansen, Roche, Kelton, Adams, Orsel, Erskine, Benedictus, Lam and Barkema 2017). It would be naïve, however, to ignore the role of commercial drivers in uptake of selective treatment to reduce AMU. Many veterinarians generate income from sales of antimicrobials, and this may serve as a disincentive for promotion of targeted treatment. In many countries, antimicrobial use and sales are not under veterinary control, which makes the issue even more complicated. Contracts and demands from milk processors and retailers may override preferences or recommendations from farmers and veterinarians. The balance between ‘stick’ (forced reduction in AMU) and ‘carrot’ (financial and reputational benefits from reduction in AMU) will differ between countries and production systems and change over time.


Cheapest way to measure S. aureus and Rhinoviruses density at home - Biology

The recent emergence of bacterial pathogens resistant to most or all available antibiotics is among the major global public health problems. As indirect transmission through contaminated surfaces is a main route of dissemination for most of such pathogens, the implementation of effective antimicrobial surfaces has been advocated as a promising approach for their containment, especially in the hospital settings. However, traditional wet synthesis methods of nanoparticle-based antimicrobial materials leave a number of key points open for metal surfaces: such as adhesion to the surface and nanoparticle coalescence. Here we demonstrate an alternative route, i.e. supersonic cluster beam deposition, to obtain antimicrobial Ag nanoparticle films deposited directly on surfaces. The synthesized films are simple to produce with controlled density and thickness, are stable over time, and are shown to be highly bactericidal against major Gram positive and Gram negative bacterial pathogens, including extensively drug-resistant strains.

From the Clinical Editor

The use of silver nanoparticle in health care is getting more widespread. The authors here describe the technique of cluster beam deposition for spraying silver on surfaces used in health care sectors. This may open a new avenue for future anti-bacterial coatings.


Schau das Video: Dichte berechnen - einfach erklärt - drei Beispiele! Mathematik u0026 Physik. Lehrerschmidt (Kann 2022).