Comparative analysis of Gram's stain, <scp>PNA</scp>‐<scp>FISH</scp> and Sepsityper with <scp>MALDI</scp>‐<scp>TOF MS</scp> for the identification of yeast direct from positive blood cultures
Notice bibliographique
Résumé
Fungaemia diagnosis could be improved by reducing the time to identification of yeast from blood cultures. This study aimed to evaluate three rapid methods for the identification of yeast direct from blood cultures; Gram's stain analysis, the AdvanDX Peptide Nucleic Acid in Situ Hybridisation Yeast Traffic Light system (PNA-FISH YTL) and Bruker Sepsityper alongside matrix-assisted laser desorption ionisation time of flight mass spectrometry (MALDI-TOF MS). Fifty blood cultures spiked with a known single yeast strain were analysed by blinded operators experienced in each method. Identifications were compared with MALDI-TOF MS CHROMagar Candida culture and ITS rRNA sequence-based identifications. On first attempt, success rates of 96% (48/50) and 76% (36/50) were achieved using PNA-FISH YTL and Gram's stain respectively. MALDI-TOF MS demonstrated a success rate of 56% (28/50) when applying manufacturer's species log score thresholds and 76% (38/50) using in-house parameters, including lowering the species log score threshold to >1.5. In conclusion, PNA-FISH YTL demonstrated a high success rate successfully identifying yeast commonly encountered in fungaemia. Sepsityper(™) with MALDI-TOF MS was accurate but increased sensitivity is required. Due to the misidentification of commonly encountered yeast Gram's stain analysis demonstrated limited utility in this setting.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».