Способ прогнозирования персистирующих свойств staphylococcus aureus, циркулирующих в окружающей среде стационара

Изобретение относится к медицине, а именно к медицинской микробиологии, к способу прогнозирования персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара. Способ прогнозирования персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара, включает определение уровня обсемененности Staphylococcus aureus, при этом в окружающей среде стационара только по показателям обсемененности рассчитывают индекс персистенции микроорганизмов: при обсемененности ≤104 КОЕ определяется низкий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≤4 балла, тогда как при обсемененности ≥105 КОЕ определяется высокий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≥5 баллов. Вышеописанный способ повышает эффективность и упрощает прогнозирование персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара, способ является экономичным, в 2-3 раза сокращаются материальные затраты на расходные материалы. 3 табл., 3 пр.

 

Изобретение относится к медицине, а именно к медицинской микробиологии, и может быть применено для оценки биологических свойств микроорганизмов, циркулирующих в многопрофильном стационаре.

Известен способ определения персистирующих свойств микроорганизмов, который включает определение отдельно трех показателей - антилизоцимная, антиинтерфероновая, антикомплементарная активность (Диагностика и санация стафилококковых бактерионосителей: Методические рекомендации. - Москва.: Федеральный центр Госсанэпиднадзора Минздрава России, 2001. - 15 с.). Недостатками известного способа является применение большого количества расходных материалов, для постановки опытов необходимо время до 72 часов с учетом подготовки проб, метод является трудоемким.

Задачей изобретения является повышение эффективности и упрощение прогнозирования персистирующих свойств микроорганизмов, в частности-Staphylococcus aureus, циркулирующих в окружающей среде стационара, с помощью определения только уровня обсемененности окружающей среды лечебного учреждения.

Поставленную задачу достигают за счет того, что определяют уровень обсемененности и по его показателям далее составляют прогноз свойств персистенции (Индекс персистенции) Staphylococcus aureus, циркулирующих в окружающей среде стационара, который определяется как низкий при индексе персистенции ≤4 балла, или высокий при индексе персистенции ≥5 баллов.

Способ осуществляют следующим образом. В окружающей среде стационара определяют только уровень обсемененности Staphylococcus aureus (МУК 4.2.2942-11 Методы санитарно-бактериологических исследований объектов окружающей среды, воздуха и контроля стерильности в лечебных организациях: Методические указания. - Москва.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2011. - 12 с.) и по показателям обсемененности рассчитывают индекс персистенции микроорганизмов. При обсемененности ≤104 КОЕ определяется низкий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≤4 балла, тогда как при обсемененности ≥105 КОЕ определяется высокий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≥5 баллов (Таблица 1)

Пример 1

Проба взята из окружающей среды стационара и определена обсемененность объекта Staphylococcus aureus. Показатель обсемененности составил 104 КОЕ, соответственно индекс персистенции 4 балла. Это позволяет предположить низкий уровень персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара.

Пример 2

Проба взята из окружающей среды стационара и определена обсемененность объекта Staphylococcus aureus. Показатель обсемененности составил 103 КОЕ, соответственно индекс персистенции 3 балла. Это позволяет предположить низкий уровень персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара.

Пример 3

Проба взята из окружающей среды стационара и определена обсемененность объекта Staphylococcus aureus. Показатель составил 106 КОЕ, соответственно индекс персистенции 6 баллов. Это позволяет предположить высокий уровень персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара.

Всего предлагаемым способом рассчитан индекс персистенции по уровню обсемененности Staphylococcus aureus в 45 анализах проб окружающей среды стационара (Таблица 2). Индекс персистенции в баллах (от 2 до 7) для каждого случая соответствовал определенному уровню обсемененности в КОЕ (от 102 до 107 КОЕ - колониеобразующие единицы), который также был сопоставим с показателями антилизоцимной, антиинтерфероновой и антикомплиментарной активности штаммов Staphylococcus aureus, выделенных из внешней среды с различной степенью обсемененности (Р≤0,05).

Технический результат от реализации предлагаемого способа:

- доступность и простота исполнения;

- возможность в уменьшении объемов исследования в 3 раза;

- экономичность - в 2-3 раза сокращаются материальные затраты на расходные материалы;

- уменьшение затрат на лечение и последующей реабилитации внутрибольничных осложнений ввиду их возможного предупреждения;

- лечение продолжается более короткий период;

Использование предполагаемого способа имеет следующие преимущества: прогнозирование свойств персистенции Staphylococcus aureus, циркулирующих в условиях многопрофильного стационара, только по результатам обсемененности объектов лечебного учреждения патогенным микроорганизмом позволяет в более короткие сроки (вместо 3-х анализов проводится 1) получить представление о свойствах персистенции микробной популяции Staphylococcus aureus, циркулирующей во внешней среде многопрофильного стационара и предложить своевременные меры профилактики внутрибольничных инфекций

Дополнение

Индекс персистенции в баллах (от 2 до 7) для каждого случая соответствовал определенному уровню обсемененности в КОЕ (от 102 до 107 КОЕ - колониеобразующие единицы): при степени обсемененности 102 КОЕ индекс персистенции равен 2 баллам, при степени обсемененности 103 КОЕ индекс персистенции равен 3 баллам и так далее. То есть цифра степени обсемененности выражается цифрой баллов индекса персистенции. Степень обсемененности была сопоставима с показателями антилизоцимной, антиинтерфероновой и антикомплиментарной активности штаммов Staphylococcus aureus, выделенных из внешней среды с различной степенью обсемененности. Это подтверждается выполненными 45 анализами проб окружающей среды стационара в которых определялся одномоментно и сопоставлялся уровень обсемененности Staphylococcus aureus с показателями антилизоцимной, антиинтерфероновой и антикомплиментарной активности штаммов Staphylococcus aureus.

Способ прогнозирования персистирующих свойств Staphylococcus aureus, циркулирующих в окружающей среде стационара, включающий определение уровня обсемененности Staphylococcus aureus, отличающийся тем, что в окружающей среде стационара только по показателям обсемененности рассчитывают индекс персистенции микроорганизмов: при обсемененности ≤104 КОЕ определяется низкий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≤4 балла, тогда как при обсемененности ≥105 КОЕ определяется высокий уровень персистирующих свойств Staphylococcus aureus - индекс персистенции составил ≥5 баллов.



 

Похожие патенты:
Изобретение относится к области медицины, а именно к педиатрии, и может быть использовано в качестве вспомогательного метода при составлении плана лечения пациентов с нарушениями аутистического спектра.

Настоящее изобретение относится к медицине, а именно к онкологии, и касается прогнозирования риска развития отдаленных метастазов у больных операбельными формами рака молочной железы с метастазами в регионарные лимфоузлы.

Изобретение относится к экспериментальной биологии и медицине. Описан способ оценки насыщения эозинофилов мокроты и назального секрета эозинофильным катионным протеином.

Изобретение относится к медицине, а именно к хирургии, и может быть использовано для экспресс-диагностики связи кисты поджелудочной железы с протоковой системой. Осуществляют оценку состояния ее содержимого.

Изобретение относится к медицине, а именно к хирургии, и может быть использовано для экспресс-диагностики связи кисты поджелудочной железы с протоковой системой. Осуществляют оценку состояния ее содержимого.
Изобретение относится к медицине, а именно к акушерству. Способ прогнозирования развития хориоамнионита у женщин с обострением цитомегаловирусной инфекции во втором триместре беременности и угрозой невынашивания заключается в том, что у женщин во втором триместре беременности с угрозой невынашивания определяют маркеры обострения цитомегаловирусной инфекции в баллах (А), содержание в сыворотке крови интерлейкина – 6 (IL-6) (пг/мл) (В); толщину плаценты при её ультразвуковом исследовании в баллах (С), проводят оценку клинико-эхографических признаков угрозы невынашивания в баллах (N), а затем прогнозируют развитие хориоамнионита с помощью дискриминантного уравнения: D = -1,085×А - 0,870×В - 2,056×С - 0,504×N, где D – дискриминантная функция, и при D равном или больше -15,86 прогнозируют отсутствие риска развития хориоамнионита, при D меньше -15,86 прогнозируют развитие хориоамнионита.

Изобретение относится к области медицины, конкретно к онкологии и может быть использовано для определения риска развития гематогенного метастазирования у больных немелкоклеточным раком легкого (НМРЛ) после проведения радикального оперативного лечения.

Изобретение относится к медицинской технике, а именно к способу диагностики острого коронарного синдрома. Способ включает формирование базы данных, содержащей информацию о результатах клинического анализа крови пациентов с острым коронарным синдромом и здоровых людей группы контроля, которую в дальнейшем используют для обучения нейронных сетей, после чего осуществляют взятие цельной венозной крови обследуемого пациента, перемешивают пробу крови, затем производят исследование клинического анализа крови на автоматическом гематологическом анализаторе, после этого результаты исследования копируют с анализатора в виде FCS-файлов и переносят на персональный компьютер для предварительной обработки и машинного анализа, причем предварительная обработка включает перевод оператором при помощи программного обеспечения, позволяющего работать с FCS-файлами, графических изображений в виде скатерограмм анализа крови пациента в цифровой эквивалент - вектор, который содержит информацию обо всех исследованных клетках в виде данных их расположения по осям скатерограммы X и Y, при этом оператор с учетом морфологических показателей представленных на анализ клеток крови дифференцирует их на три субпопуляции: нейтрофилы, лимфоциты и моноциты, после чего полученный результат в цифровом эквиваленте сохраняют в отдельный файл программы для работы с электронными таблицами, затем в вышеуказанном цифровом эквиваленте скатерограммы анализа крови пациента - векторе отсекают последние элементы, а именно координаты клеток, так, чтобы количество элементов обследуемого пациента соответствовало количеству элементов пациентов, результаты которых находятся в предварительно сформированной базе данных, после чего все элементы векторов обследуемого пациента объединяются последовательно в один общий глобальный вектор Vglob, затем стандартизируют полученный вектор путем вычитания из глобального вектора обследуемого пациента среднего значения соответствующих векторов из предварительно сформированной базы данных и последующего деления на стандартное отклонение соответствующих векторов базы данных, затем применяют метод главных компонент для уменьшения размерности признаков с n элементов до 2-4 главных компонент {Xn}, сохранив при этом как можно больше изменчивости признаков, посредством программного обеспечения для математических вычислений, в результате получают сокращенный вектор, затем производят стандартизацию с помощью описанных выше действий уже сокращенного вектора до вида , после чего применяют ансамбль из нейронных сетей, которые обучают на предварительно сформированной базе данных пациентов с острым коронарным синдромом и здоровых людей группы контроля путем внесения информации в программное обеспечение для машинного анализа об их результатах клинического анализа крови и окончательного диагноза - «острый коронарный синдром» или «здоров», при этом количество нейронных сетей в ансамбле зависит от результатов оценки точности предсказания окончательного диагноза и составляет от 1 до 10, при этом используют композиции алгоритмов, каждый из которых параллельно обучают на подпространстве обучающей выборки из предварительно сформированной базы данных пациентов с острым коронарным синдромом и здоровых людей группы контроля, причем из множества обучающей выборки отбирают от 1 до n подмножеств путем случайного выбора элементов с повторениями в каждом из наблюдений подмножества, чтобы затем передать их математическим моделям для анализа с последующей агрегацией данных в ансамбль и расчета вероятности положительного диагноза, при этом подмножества рассматривают как репрезентативные и независимые значения истинного распределения данных, и на каждом из подмножеств обучают нейронную сеть как модель, при этом применяют ансамблевый метод, причем после обучения нейронных сетей и их агрегации в ансамбль проверяется их точность на тестовой выборке, при этом по итогу обучения нейронных сетей и приемлемому результату тестирования, при условии ошибки результатов оценки менее 5%, аналогичным образом производят исследование клинического анализа крови обследуемого пациента, а для оценки положительного диагноза в процентах строят график, где используют поля вероятности для классификации диагнозов в двухмерном подпространстве, которые представляют собой оси абсцисс и ординат, соответствующих главным компонентам, причем указанные поля рассматривают как зрение нейронных сетей для неизвестных случаев, при этом диагноз обследуемому пациенту ставят следующим образом: если результаты пациента окажутся в области графика, выделенной для отрицательного диагноза, то ансамбль нейронных сетей выдаст наиболее высокую вероятность для отрицательного диагноза, если в области графика, выделенной для положительного диагноза - наиболее высокую вероятность для положительного диагноза - острый коронарный синдром.
Изобретение относится к медицине, в частности к онкологии, может быть использовано для оценки риска развития прогрессии заболевания при лечении пациентов с плоскоклеточным раком гортани.

Изобретение относится к области медицины. Способ иммунофлуоресцентной детекции локальной распространенности опухолевого процесса при немелкоклеточном раке легкого (НМРЛ) включает приготовление одноклеточной суспензии из образца ткани НМРЛ, фиксацию в 4% растворе формалина, отмывку с помощью фосфатного буфера рН=7,4, инкубацию с красителем ДНК Hoechst 33258, двойную отмывку от антител с помощью 0,05% раствора БСА в фосфатном буфере рН=7,4, проведение анализа флуоресценции на проточном цитофлуориметре, при этом инкубацию проводят одновременно с двумя типами первичных антител – кроличьи антитела к TUBB3 и мышиные антитела к цитокератинам, при этом первичные антитела к TUBB3 и цитокератину добавляют одновременно и инкубируют в течение ночи при температуре +4°С, и одновременно с двумя типами вторичных антител - антикроличьи антитела, конъюгированные с красителем DyLight 650, и антимышиные антитела, конъюгированные с DyLight 488, строят точечные гистограммы, сравнивают уровни экспрессии TUBB3 в эпителиальных клетках опухоли и окружающей нормальной ткани, где повышенная экспрессия TUBB3 характеризует локальную распространенность опухолевого процесса при НМРЛ.

Изобретение относится к нефтегазодобывающей промышленности, в частности к сейсмическим способами определения областей пласта с различной проницаемостью. Заявленный способ определения трещинной пористости пород включает формирование набора образцов исследуемой породы, экспериментальное определение общей трещинную пористости каждого из упомянутых образцов в атмосферных условиях, также экспериментальное определение скорости распространения сейсмических волн и общую трещинную пористость в образцах исследуемой породы в условиях, моделирующих пластовые условия, измерение скорости распространения сейсмической волны в исследуемой породе и выполнение расчета с использованием полученных данных.
Наверх