Direct molecular detection of a broad range of bacterial and viral organisms and Streptococcus pneumoniae vaccine serotypes in children with otitis media with effusion
Notice bibliographique
Résumé
BACKGROUND: Otitis media with effusion (OME) causes significant morbidity in children, but the causes of OME and methods for prevention are unclear. To look for potential infectious etiologies, we performed a pilot study using multiple-target real-time polymerase chain reaction (qPCR) for 27 infectious agents, including nine bacterial organisms and 18 respiratory viruses in middle ear fluids (MEFs) from children with OME. QPCR was also performed for the 13 Streptococcus pneumoniae serotypes contained in the current vaccine. RESULTS: Forty-eight MEF samples were obtained and qPCR detected bacterial nucleic acid (NA) in 39/48 (81%) and viral NA in 7/48 (15%). Alloiococcus otitidis and S. pneumoniae were both detected in 15/48 (31%) MEFs, followed by M. catarrhalis in 14/48 (29%), H. influenzae in 5/48 (10%) and M. pneumoniae in 4/48 (8%). Rhinoviruses were most common virus type detected, found in 4/48 (8%) MEFs. Serotypes included in the current 13-serotype vaccine were detected in only 3/15 (20%) S. pneumoniae qPCR-positive MEFs. CONCLUSIONS: Bacteria may play an important role in OME, since over 80% of MEFs contained bacterial NA. Further research into the role of A. otitidis in OME will be helpful. Serotypes of S. pneumoniae not included in the current 13-serotype vaccine may be involved in OME. Larger studies of OME S. pneumoniae serotypes are needed to help determine which additional serotypes should be included in future vaccine formulations in order to try to prevent OME.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».