MétaCan
Menu
Retour à la cohorte
Enregistrement W157131614 · doi:10.1093/jaoac/87.5.1109

Evaluation of the Swab Test On Premises for Detection of Antimicrobial Residues in Bovine and Porcine Kidneys

2004· article· en· W157131614 sur OpenAlexafffund
Craig D C Salisbury

Notice bibliographique

RevueJournal of AOAC International · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesCanadian Food Inspection Agency
Mots-clésChromatographyChemistryAntimicrobialMatrix (chemical analysis)Sterile waterFood scienceWater buffaloVeterinary medicineMedicine

Résumé

récupéré en direct d'OpenAlex

The effect of sample matrix on the sensitivity of the Swab Test On Premises (STOP) was evaluated for selected antimicrobials. Fluid was extracted from bovine and porcine kidneys, and fortified with known levels of drugs. Aqueous standards were also prepared at the same levels. An aliquot of the fortified fluid or water was pipeted onto a dry swab which was placed onto the surface of a STOP plate, and the plate was incubated as outlined in the test kit manual. Zones of bacterial growth inhibition were measured and recorded, and additional testing was performed with decreasing levels of drug until a minimum detectable level was determined. The effect of temperature on the sensitivity of the test was also evaluated by running samples in duplicate, one set at a nominal temperature of 28 degrees C, and the second set at a nominal temperature of 32 degrees C. Fortified bovine kidney fluid produced significantly larger zones than did porcine kidney fluid at both temperatures, but the mean zone sizes for fortified water were not significantly different from those of bovine or porcine kidney fluid at either temperature. For all 3 matrixes, zones of inhibition were significantly larger at 28 degrees than 32 degrees C.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,264
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207