MétaCan
Menu
Retour à la cohorte
Enregistrement W2580798605

Investigating the Mechanisms of Antimicrobial Resistance

2016· article· en· W2580798605 sur OpenAlexaff
Nicole Yokubynas, K.M. Iyer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueHistorical Medical Research and Treatments
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAntibiotic resistanceAntibioticsAntimicrobialBiologyIntensive care medicineDrug resistanceBiotechnologyMicrobiologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since their discovery, antimicrobial agents have revolutionized the treatment of infectious disease. However, increased use of these agents contributed to the development of microbial resistance almost immediately, rendering these treatments less effective, or often useless. Despite considerable pressures on the scientific community, few new classes of antimicrobial agents have been discovered since the antibiotic era (1950-1970). Microbes’ astonishing ability to adapt to antibiotics has posed a serious threat to the modern health care system. In order to reduce the prevalence of resistance and develop new antimicrobial agents, it is crucial to understand the origins of antibiotics, the development of resistance through evolutionary mechanisms, and the biochemical mode of action of antibiotics along with their associated resistance pathways. This review investigates the various mechanisms of antibiotic resistance, from both an evolutionary and biochemical standpoint. Microbes are able to adapt and mutate at unparalleled rates through mechanisms such as horizontal gene transfer and high reproduction rates. Acquired resistance mechanisms include modifying enzymes, point mutations in the target site of antibiotics, and reduced uptake of antibiotics. This paper concludes by considering responses to the current crisis in microbial resistance, such as preventative measures and the development of new antibiotics.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,300
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHistorical Medical Research and TreatmentsTravaux en français237 207