MétaCan
Menu
Retour à la cohorte
Enregistrement W2600010289 · doi:10.4236/aim.2017.73017

Mycobacteria Interspersed Repetitive Units-Variable Number of Tandem Repeat, Spoligotyping and Drug Resistance of Isolates from Pulmonary Tuberculosois Patients in Kenya

2017· article· en· W2600010289 sur OpenAlexfundno aff
Perpetual Ndung’u, Samuel Kariuki, Gunturu Revathi, Zipporah Ng’ang’a, Stefan Niemann

Notice bibliographique

RevueAdvances in Microbiology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMycobacterium research and diagnosis
Établissements canadiensnon disponible
Organismes subventionnairesAfrican Population and Health Research CenterInternational Development Research Centre
Mots-clésTypingGenotypeBiologyDrug resistanceMycobacterium tuberculosisVariable number tandem repeatPyrazinamideVirologyTandem repeatTuberculosisVeterinary medicineGeneticsMedicineRifampicinAntibioticsGene

Résumé

récupéré en direct d'OpenAlex

Background: Molecular typing allows a rapid and precise species differentiation and is essential in investigating the spread of specific genotypes and any relationship with drug resistance. Methodology: To compare the discrimination power of 24-loci Mycobacteria interspersed repetitive units-variable number of tandem repeat (MIRU-VNTR) to spoligotyping in determining the circulating genotypes of Mycobacterium tuberculosis in isolates from pulmonary tuberculosis patients in Kenya, a total of 204 isolates were typed. Results: Spoligotyping identified 22 spoligo lineages; while 36(17.6%) isolates were not determined. MIRU-VNTR typing identified 12 genotypes; Kenya H37_Rv_ like, S-like that had never been reported before and which were not identified by spoligotyping were identified. Others were Uganda I and II, LAM, Beijing, TUR, EAI, Delhi/C, S and Haarlem. Only 8 (3.9%) were not defined by MIRU-VNTR. Delhi/CAS, EAI, S, S-like, LAM and Beijing had strains that showed resistance to all the five drugs tested. Two strains of EAI and 2 of S genotypes were resistant to all the five drugs tested. Beijing genotype commonly associated with drug resistance was found to be third in drug resistance (14.7%) after Delhi/CAS (28.9%) and LAM (17.6%) with the highest resistance towards isoniazid and pyrazinamide (3.9% each). MIRU-VNTR typing was more discriminative than spoligotyping; identifying 10 unique H37_Rv-like isolates designated KeniaH37_Rv_like genotype and 14 S-like genotype. Conclusion: MIRU-VNTR typing has not been reported in any other study in Kenya and its higher discrimination can help identify genotypes that cannot be determined by spoligotyping. Association of Beijing genotype drug resistance particularly isoniazid should be of concern since it may result in multidrug resistance in the patients.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,280
Écart entre enseignants0,272 · 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'étudeObservationnel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in MicrobiologyMême sujetMycobacterium research and diagnosisTravaux en français237 207