MétaCan
Menu
Retour à la cohorte
Enregistrement W2103098095 · doi:10.1093/infdis/jiu078

Resistant Plus Susceptible Tuberculosis: The Undiscovered Country

2014· letter· en· W2103098095 sur OpenAlexaff
Faiz Ahmad Khan, Marcel A. Behr

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2014
Typeletter
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésTuberculosisVirologyBiologyMicrobiologyMedicinePathology

Résumé

récupéré en direct d'OpenAlex

(See the major article by Zetola et al on pages 1754–63.) Before the emergence of molecular epidemiology techniques, the conceptual approach to tuberculosis treatment seemed straightforward. The clinical laboratory sent the patient's isolate (singular) for testing at a reference laboratory, which would perform a drug-susceptibility test (DST) whose findings were reported as a categorical result (ie, susceptible or resistant). This information then guided selection of appropriate antimicrobial therapy, and in clinical trials, this approach worked in the vast majority of cases. With the advent of molecular typing methods, a core premise of the classical paradigm was challenged. Genetic analyses of cultures, and even patient samples, provided evidence that a minority of patients with tuberculosis harbor >1 strain of bacteria at the same time [1–6] and that some of these mixed infections involve both drug-susceptible and drug-resistant organisms [7, 8]. What then are the consequences for patient management? [9]. In previous reports, mixed infection has been identified as the cause of discrepant DST results in pretreatment isolates [8] and of results that change during the course of therapy [7]. Thus, in patients whose initial phenotypic DST identifies only susceptible isolates, mixed infection can explain the subsequent growth of resistant organisms, offering an alternative explanation to reinfection or acquired resistance. In this situation, a patient would typically receive only first-line medications. Given that these antibiotics have little activity against the subpopulation of resistant organisms, one can readily envision how treatment failure could ensue. In the converse situation, the initial DST identifies drug-resistant organisms, but because of mixed infection there is subsequent growth of susceptible isolates. Is it possible that this situation would also result in an adverse treatment outcome if first-line drugs are withheld from patients with a subpopulation of drug-susceptible organisms? In this issue of the Journal, Zetola et al ask precisely this question.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0040,008
Science ouverte0,0010,003
Intégrité de la recherche0,0330,033
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,018
Tête enseignante GPT0,296
Écart entre enseignants0,278 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Journal of Infectious DiseasesMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207