MétaCan
Menu
Retour à la cohorte
Enregistrement W1989225449 · doi:10.1021/pr9006427

Pneumococcal Pneumonia: Potential for Diagnosis through a Urinary Metabolic Profile

2009· article· en· W1989225449 sur OpenAlexaff
Carolyn M. Slupsky, Kathryn N. Rankin, Hao Fu, David Chang, Brian H. Rowe, Patrick G. P. Charles, Allison McGeer, Donald E. Low, Richard Long, Dennis Kunimoto, Michael B. Sawyer, Richard N. Fedorak, Darryl J. Adamko, Erik J. Saude, Sirish L. Shah, Thomas J. Marrie

Notice bibliographique

RevueJournal of Proteome Research · 2009
Typearticle
Langueen
DomaineMedicine
ThématiquePneumonia and Respiratory Infections
Établissements canadiensUniversity of TorontoUniversity of AlbertaMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésPneumoniaStreptococcus pneumoniaeCommunity-acquired pneumoniaUrinary systemMicrobiologyUrinePathogenAntimicrobialBacterial pneumoniaPneumococcal pneumoniaPathogenic bacteriaRespiratory tractMetabolomicsRespiratory tract infectionsBiologyImmunologyBacteriaMedicineRespiratory systemInternal medicineAntibioticsBioinformatics

Résumé

récupéré en direct d'OpenAlex

Pneumonia, an infection of the lower respiratory tract, is caused by any of a number of different microbial organisms including bacteria, viruses, fungi, and parasites. Community-acquired pneumonia (CAP) causes a significant number of deaths worldwide, and is the sixth leading cause of death in the United States. However, the pathogen(s) responsible for CAP can be difficult to identify, often leading to delays in appropriate antimicrobial therapies. In the present study, we use nuclear magnetic resonance spectroscopy to quantitatively measure the profile of metabolites excreted in the urine of patients with pneumonia caused by Streptococcus pneumoniae and other microbes. We found that the urinary metabolomic profile for pneumococcal pneumonia was significantly different from the profiles for viral and other bacterial forms of pneumonia. These data demonstrate that urinary metabolomic profiles may be useful for the effective diagnosis of CAP.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

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

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 Opus0,083
Tête enseignante GPT0,425
Écart entre enseignants0,342 · 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 tête enseignante, 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

Citations98
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Proteome ResearchMême sujetPneumonia and Respiratory InfectionsTravaux en français237 207