MétaCan
Menu
Retour à la cohorte
Enregistrement W2060537468 · doi:10.7883/yoken.67.264

Analysis of Bacterial Pathogens Causing Acute Diarrhea on the Basis of Sentinel Surveillance in Shanghai, China, 2006–2011

2014· article· en· W2060537468 sur OpenAlexaff
Ying‐Hua Zhang, Yanping Zhao, Keying Ding, Xiaoguang Wang, Xiuhua Chen, Yun Liu, Yue Chen

Notice bibliographique

RevueJapanese Journal of Infectious Diseases · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesShanghai Municipal Health Bureau
Mots-clésDiarrheaChinaMedicineAcute diarrheaVirologyMicrobiologyInternal medicineBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Acute diarrhea is the most common infectious disease worldwide and its causes vary from one region to another. We aimed to analyze the spectrum and epidemiological characteristics of pathogens from 22,386 outpatients with acute diarrhea on the basis of surveillance data from Shanghai, China, during 2006-2011. The following 8 pathogens were isolated and identified using standard methods: Salmonella, Shigella, Vibrio cholerae, V. parahaemolyticus, enteropathogenic Escherichia coli, enterotoxigenic E. coli, enteroinvasive E. coli, and enterohemorrhagic E. coli. In total, 2,234 strains of pathogens were obtained and the overall isolation rate of these 8 pathogens gradually decreased from 17.1% in 2006 to 7.4% in 2011. V. parahaemolyticus was the most frequently identified pathogen, followed by Shigella and Salmonella. The isolation rate of V. parahaemolyticus notably varied by season, whereas Salmonella and Shigella infections showed little seasonal variation. Age-related variation was also observed. V. parahaemolyticus infection occurred more often in patients aged 20-40 years. S. enterica serovar Enteritidis and S. flexneri were the most common serotypes of Salmonella and Shigella, respectively. The descending trend observed in the isolation rate of pathogens from the current surveillance suggests an urgent requirement or improvement.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,279
Écart entre enseignants0,267 · 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'étudeObservationnel
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

Citations28
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJapanese Journal of Infectious DiseasesMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207