MétaCan
Menu
Retour à la cohorte
Enregistrement W2075429778 · doi:10.1098/rspb.2014.0566

The path of least resistance: aggressive or moderate treatment?

2014· article· en· W2075429778 sur OpenAlexaff
Roger D. Kouyos, C. Jessica E. Metcalf, Ruthie Birger, Eili Klein, Pia Abel zur Wiesch, Pierre Ankomah, Nimalan Arinaminpathy, Tiffany L. Bogich, Sebastian Bonhoeffer, Charles Brower, Geoffrey L. Johnston, Ted Cohen, Troy Day, Bryan Greenhouse, Silvie Huijben, Joshua P. Metlay, Nicole Mideo, Laura C. Pollitt, Andrew F. Read, David L. Smith, Claire J. Standley, Nina Wale, Bryan T. Grenfell

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of TorontoQueen's University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentMedical Research Council
Mots-clésIntensive care medicineDrug resistanceDoseResistance (ecology)Resistance FactorsMedicineDrugPath (computing)Risk analysis (engineering)BiologyComputer sciencePharmacologyEngineering

Résumé

récupéré en direct d'OpenAlex

The evolution of resistance to antimicrobial chemotherapy is a major and growing cause of human mortality and morbidity. Comparatively little attention has been paid to how different patient treatment strategies shape the evolution of resistance. In particular, it is not clear whether treating individual patients aggressively with high drug dosages and long treatment durations, or moderately with low dosages and short durations can better prevent the evolution and spread of drug resistance. Here, we summarize the very limited available empirical evidence across different pathogens and provide a conceptual framework describing the information required to effectively manage drug pressure to minimize resistance evolution.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,252
Écart entre enseignants0,237 · 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'étudeThéorique ou conceptuel
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

Citations97
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetEvolution and Genetic DynamicsTravaux en français237 207