MétaCan
Menu
Retour à la cohorte
Enregistrement W2620962510 · doi:10.3389/978-2-88945-181-4

Antimicrobial Resistance and Virulence Common Mechanisms

2017· book· en· W2620962510 sur OpenAlexaff
Étienne Giraud, Ivan Rychlı́k, Axel Cloeckaert

Notice bibliographique

RevueFrontiers research topics · 2017
Typebook
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesParacelsus Medizinische PrivatuniversitätNational Institutes of HealthMinisterio de Economía y CompetitividadKey Technologies Research and Development ProgramNational Natural Science Foundation of ChinaDanmarks Tekniske UniversitetInstituto de Salud Carlos IIIJoint Programming Initiative Water challenges for a changing worldComunidad de Madrid
Mots-clésVirulenceAntimicrobialResistance (ecology)Antibiotic resistanceMicrobiologyBiologyGeneticsAntibioticsEcology

Résumé

récupéré en direct d'OpenAlex

Since the past few years, there is increasing evidence that multi-drug resistant pathogens may become more virulent than their antibiotic-suceptible counterparts. This Research Topic will focus on common mechanisms that affect both virulence and antimicrobial resistance. It may include studies where resistance and virulence share common effectors such as efflux pumps, or studies about global regulatory systems acting on both resistance and virulence (co-regulation). Also of particular interest will be studies about mobile genetic elements such as plasmids or genomic islands that carry both antimicrobial resistance and virulence genes, therefore favoring their co-selection. Studies reporting the co-evolution of antimicrobial resistance and virulence in particular pathogenic clones are also welcome in this Topic.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,005

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,316
Écart entre enseignants0,289 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers research topicsMême sujetAntibiotic Resistance in BacteriaTravaux en français237 207