A Platform for Monitoring Regional Antimicrobial Resistance, Using Online Data Sources: ResistanceOpen
Notice bibliographique
Résumé
Background: Our understanding of the global burden of antimicrobial resistance is limited. Complementary approaches to antimicrobial resistance surveillance are needed. Methods: We developed a Web-based/mobile platform for aggregating, analyzing, and disseminating regional antimicrobial resistance information. Antimicrobial resistance indices from existing but disparate online sources were identified and abstracted. To validate antimicrobial resistance data, in the absence of regional comparators, US and Canadian indices were aggregated and compared to existing national and state estimates. Measures of variability of antimicrobial susceptibility were determined for the United States and Canada to evaluate magnitudes of differences within countries. Results: Over 850 resistance indices globally were identified and abstracted, totaling >5 million isolates, from 340 unique locations. Resistance index coverage spanned 41 countries, 6 continents, 43 of 50 US states, and 8 of 10 Canadian provinces. When compared to reported values, aggregated resistance values for the United States and Canada during 2013 and 2014 demonstrated agreements ranging from 94% to 97%. For the United States, state-specific resistance estimates demonstrated an agreement of 92%. Large differences in antimicrobial susceptibility were seen within countries. Conclusions: Using existing nontraditional data sources, we have developed a Web-based platform for aggregating antimicrobial resistance indices to support monitoring of regional antimicrobial resistance patterns.
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 | 0,014 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».