Use of Multiple-Locus Variable-Number Tandem Repeat Analysis to Evaluate <i>Escherichia coli</i> O157 Subtype Distribution and Transmission Dynamics Following Natural Exposure on a Closed Beef Feedlot Facility
Notice bibliographique
Résumé
To better understand the epizootiology of Escherichia coli O157:H7 among cattle, all E. coli O157 isolates recovered on a research feedlot during a single feeding period were characterized by multiple-locus variable-number tandem repeat analysis (MLVA). Three distinct MLVA subtypes (A, B, C), accounting for 24%, 15%, and 64% of total isolates, respectively, were identified. Subtypes A and B were isolated at the initiation of sampling, but their prevalence waned and subtype C, first isolated on the third sampling date, became the predominant subtype on the feedlot. Supershedding events, however, occurred with equal frequency for all three MLVA-types. Using a multilevel logistic regression model, we investigated whether the odds of shedding subtype C relative to subtypes A or B were associated with time, diet, or the presence of a penmate shedding high numbers of subtype C. Only time and exposure to an animal shedding MLVA-type C at 10³ colony-forming units or greater in the pen at the time of sampling were significantly associated with increased shedding of subtype C. High-level shedding of those E. coli O157 subtypes better suited for survival in the environment and/or in the host appear to play a significant role in the development of predominant E. coli O157 subtypes. Supershedding events alone are neither required nor sufficient to drive the epidemiology of specific E. coli O157 subtypes. Additional factors are necessary to direct successful on-farm transmission of E. coli O157.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».