<i>Mycobacterium marinum</i>infections in humans and tracing of its possible environmental sources
Notice bibliographique
Résumé
The low frequency of nontuberculous mycobacterial infections, nonspecific symptoms for individual mycobacteria, and the lack of specific identification methods could alter correct diagnosis. This study presents a combined microbiology and molecular-based approach for Mycobacterium marinum detection in four aquarists with cutaneous mycobacterial infection. Simultaneously, ecology screening for M. marinum presence in the aquarists' fish tanks was performed. A total of 38 mycobacterial isolates originated from four human patients (n = 20), aquarium animals (n = 8), and an aquarium environment (n = 10). Isolate identification was carried out using 16S rRNA sequence analysis. A microbiology-based approach, followed by 16S rRNA sequence analysis, was successfully used for detection of M. marinum in all four patients. Animal and environmental samples were simultaneously examined, and a total of seven mycobacterial species were isolated: Mycobacterium chelonae , Mycobacterium fortuitum , Mycobacterium gordonae , Mycobacterium kansasii , Mycobacterium mantenii , Mycobacterium marinum , and Mycobacterium peregrinum . The presence of M. marinum was proven in the aquarium environments of two patients. Although M. marinum is described as being present in water, it was detected only in fish.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».