NICU院内感染病原菌流行分布情况及其耐药性变迁

来源 :临床儿科杂志 | 被引量 : 0次 | 上传用户:yywachself
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的研究NICU近年院内感染病原菌的流行分布情况及耐药性的变迁,为临床合理用药提供理论依据。方法回顾性分析2006年1月至2008年6月NICU住院的2596例患儿,对1474例疑合并有院内感染患儿分别采集下呼吸道分泌物、血液、尿和粪便等进行培养。结果414例患儿4060份标本共分离出病原菌622株,阳性率为15_32%(622/4060),平均院内感染率为15.95%(414/2596),其中2006年为10.18%(91/894)、2007年为18.64%(205/1100)和2008年上半年为19.
其他文献
传统聚类算法由于单机内存和运算能力的限制已经不能满足当前大数据处理的要求,因而迫切需要寻找新的解决方法。针对单机内存运算问题,结合聚类算法的迭代计算特点,提出并实
人微小病毒B19经常感染儿童,临床表现复杂,轻者表现为自限性的传染性红斑,重者可因血细胞减少而导致患儿死亡。在免疫缺陷的患儿可发生持续感染。文章对改进其诊断和治疗,作
目的探讨血清胱抑素C(cystatinC,CysC)水平变化对新生儿窒息患儿肾功能损害评估的意义。方法 2007年5月至2009年12月收治的146例窒息患儿,轻度窒息组70例、重度窒息组76例。于
为了降低稀布阵列的峰值旁瓣电平并抑制稀布阵列的栅瓣,提出了一种多目标粒子群与凸优化相结合的方向图综合算法。该算法将多目标粒子群优化(Multi-objective particles swarm
非正交多址接入技术(Non?orthogonal multiple access,NOMA)提高了通信系统的频谱效率且可支持大量用户接入,因此受到广泛关注。以能量效率(简称能效)最大化为目标的多用户NO
卷积神经网络(Convolutional neural network,CNN)是一种常见的深度学习模型,受人类视觉认知机制启发而来,能够从原始图像得到有效的特征表达。CNN模型在图像识别领域不断取得突破,但是在训练过程中需要花费大量时间。随机森林(Random forest,RF)在分类和回归上具有很高的精度,训练速度快并且不容易出现过拟合的问题,现有的基于RF的分类器都依赖手工选取的特征。针对
目的提高对儿童可逆性后部脑病综合征(RPES)的认识。方法回顾性分析首都儿科研究所收治的2例可逆性后部脑病综合征患儿的临床资料,并结合文献进行分析。结果2例患儿原发病分别
讨论了一种新的基于均值超矢量聚类的说话人确认方法,在确保性能的情况下放宽对语料的要求,聚类训练语料是每个说话人只有一段语音的小语料。以女性统一背景模型(Universal back
常规波束形成主瓣随频率和指向变化,为了实现频率方向二维主瓣恒定,本文基于约束优化的方法,提出了一种宽带频率方向不变恒定主瓣波束形成算法,并将之应用到宽带信号到达角(Di
期刊