Efficacy of Two Commercial Systems for Identification of Clinical and Environmental Escherichia coli
Notice bibliographique
Résumé
The aim of this study was to test the efficacy of API 20E and FluorocultÒ LMX broth in identifying a collection of 200 E. coli isolates. A total of 100 isolates originated from clinical samples (UTI) and 100 isolates from environmental water receiving faecal contamination. Randomly selected isolates that were identified by API 20E and FluorocultÒ LMX broth were further identified by PCR targeting a fragment of the E. coli 16S rRNA gene. The results showed that overall 95% and 100% of the clinical and environmental isolates respectively were identified with various degrees of accuracy as E. coli by API 20E. However, only 86% of the clinical isolates and 32% of environmental isolates were identified with high level of discrimination (90% and above). Identification by FluorocultÒ LMX broth successfully identified 90% and 96% of the clinical and environmental isolates respectively as E. coli. Further identification by PCR showed that 70% (n = 20) and 55% (n = 20) of the isolates that were previously identified by the two commercial systems were successfully identified by PCR. Identification of E. coli isolates of clinical and environmental origins by rapid commercial systems should be interpreted with care, PCR might be used to further confirm the result of rapid identification systems.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».