MétaCan
Menu
Retour à la cohorte
Enregistrement W2136677555 · doi:10.1101/cshperspect.a019752

Mechanisms of Antifungal Drug Resistance

2014· review· en· W2136677555 sur OpenAlexaff
Leah E. Cowen, Dominique Sanglard, Susan J. Howard, P. David Rogers, David S. Perlin

Notice bibliographique

RevueCold Spring Harbor Perspectives in Medicine · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueAntifungal resistance and susceptibility
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Allergy and Infectious Diseases
Mots-clésAntifungalAntifungal drugDrug resistanceDrugEffluxAntifungal drugsFluconazoleBiologyMultiple drug resistanceResistance (ecology)Intensive care medicinePharmacologyMedicineMicrobiologyGeneticsEcology

Résumé

récupéré en direct d'OpenAlex

Antifungal therapy is a central component of patient management for acute and chronic mycoses. Yet, treatment choices are restricted because of the sparse number of antifungal drug classes. Clinical management of fungal diseases is further compromised by the emergence of antifungal drug resistance, which eliminates available drug classes as treatment options. Once considered a rare occurrence, antifungal drug resistance is on the rise in many high-risk medical centers. Most concerning is the evolution of multidrug- resistant organisms refractory to several different classes of antifungal agents, especially among common Candida species. The mechanisms responsible are mostly shared by both resistant strains displaying inherently reduced susceptibility and those acquiring resistance during therapy. The molecular mechanisms include altered drug affinity and target abundance, reduced intracellular drug levels caused by efflux pumps, and formation of biofilms. New insights into genetic factors regulating these mechanisms, as well as cellular factors important for stress adaptation, provide a foundation to better understand the emergence of antifungal drug resistance.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,037
Tête enseignante GPT0,347
Écart entre enseignants0,310 · 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
GenreSynthèse

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

En bref

Citations622
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor Perspectives in MedicineMême sujetAntifungal resistance and susceptibilityTravaux en français237 207