MétaCan
Menu
Retour à la cohorte
Enregistrement W2565181260 · doi:10.1002/jmv.24753

Detecting and quantifying influenza virus with self‐ versus investigator‐collected mid‐turbinate nasal swabs

2016· article· en· W2565181260 sur OpenAlexafffund
Andrea Granados, Susan Quach, Allison McGeer, Jonathan B. Gubbay, Jeffrey C. Kwong

Notice bibliographique

RevueJournal of Medical Virology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of TorontoUniversity Health NetworkPublic Health OntarioHospital for Sick ChildrenSinai Health System
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineVirologyViral loadVirusInfluenza A virus

Résumé

récupéré en direct d'OpenAlex

We compared pairs of self‐ and investigator‐collected mid‐turbinate nasal swabs to detect and quantify influenza viral loads. We used RNase P, which reflects presence of human cells to determine adequate sample collection. Sixteen pairs of influenza‐positive swabs and 25 pairs of influenza‐negative swabs were included in this study. The median influenza A viral loads for self‐ and investigator‐collected swabs were 1.68 and 1.67 log10 copies/mL, respectively (P = 0.96). RNase P loads were also similar between self‐ and investigator‐collected swabs (P = 0.51). Self‐collected mid‐turbinate nasal swabs yield comparable viral loads to investigator‐collected swabs, and therefore might be considered for research and clinical management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,399
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medical VirologyMême sujetInfluenza Virus Research StudiesTravaux en français237 207