A Platform for Monitoring Regional Antimicrobial Resistance Using Online Data Sources: Resistance Open
Notice bibliographique
Résumé
Background. Globally, antimicrobial resistance is a growing public health concern. However, our understanding of the burden and regional patterns of antimicrobial resistance is limited by current methods. Complementary approaches to antimicrobial resistance surveillance are needed. We hypothesize that existing online antimicrobial resistance information can be aggregated for monitoring of regional antimicrobial resistance patterns. Methods. We developed a web-based/mobile platform for aggregating, analyzing, and disseminating regional antimicrobial resistance indices. Antimicrobial resistance indices were reviewed and abstracted, respectively, by experienced curators. Antimicrobial resistance data was captured for 35 pre-specified bacterial species/types and 37 pre-specified common antimicrobials. Relevant variables collected included: year of index isolates, laboratory standards used, specimen site, hospital site, and hospital/laboratory/surveillance body classification. To validate the antimicrobial resistance data, in the absence of regional comparators, United States 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 unique resistance indexes globally were also identified and abstracted, totaling over 5 million isolates, from 340 unique locations. Resistance index coverage spanned 41 countries, 6 continents, 43/50 U.S. States, and 8/10 Canadian provinces. When compared to reported values, aggregated resistance values for the United States and Canada for the years 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 resistance were seen within countries. Conclusion. Using existing non-traditional data sources, we have developed a web-based platform for aggregating antimicrobial resistance indices to support monitoring of regional antimicrobial resistance patterns globally. This approach appears to generate comparable estimates to traditional surveillance estimates, and may be a useful approach in under-resourced regions. Disclosures. All authors: No reported disclosures.
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 | 0,022 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,015 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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 ».