Detection of Campylobacter jejuni and Thermophilic Campylobacter spp. from Foods by Polymerase Chain Reaction
Notice bibliographique
Résumé
Campylobacter spp. is one of the most commonly reported bacterial causes of acute diarrheal disease in humans throughout the world ( 1 – 3 ). The thermophilic Campylobacter jejuni, C. coli, C. lari , and C. upsaliensis are the most important species, with C. jejuni accounting for more than 95% of all the human Campylobacter infections ( 4 , 5 ). Poultry, raw milk, and water have been implicated as the major vehicles for Campylobacter infection ( 6 , 7 ), although other foods may also become a source of infection through cross-contamination from other food types, a food handler, or a work surface during food preparation ( 3 ). Because campylobacters have fastidious growth requirements and relatively inert biochemical characteristics, identification of these organisms and differentiation between species within the genus Campylobacter by cultural methods are time consuming and difficult ( 8 – 10 ). The accuracy of some biochemical tests is also affected by bacterial inoculum size ( 11 ), which can be difficult to control. Additionally, Campylobacter cells are usually present in very low numbers and may become injured in foods and environmental water, and therefore become nonculturable ( 12 – 15 ). Because of the foregoing, nucleic acid-based detection methods became alternatives for the detection of campylobacters. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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.
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 ».