MétaCan
Menu
Retour à la cohorte
Enregistrement W2717036600 · doi:10.1097/poc.0000000000000088

Molecular Diagnosis of Malaria in Low-Resource Settings

2016· article· en· W2717036600 sur OpenAlexaff
Stephanie K. Yanow

Notice bibliographique

RevuePoint of Care The Journal of Near-Patient Testing & Technology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMalaria Research and Control
Établissements canadiensAlberta Advanced EducationUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMolecular diagnosticsMalariaDeveloping countryLimited resourcesResource (disambiguation)Computer scienceRisk analysis (engineering)BusinessMedicineData scienceBiologyImmunologyEconomic growthBioinformaticsEconomics

Résumé

récupéré en direct d'OpenAlex

In developed nations, there has been a dramatic shift in the paradigm for diagnostics of infectious diseases. Traditional methods of culture and serology are being superseded by molecular diagnostics. These tests, for example real-time polymerase chain reaction (PCR), have exquisite sensitivity in detecting low-level infections and by combining different tests in one, they have the specificity to identify a pathogen to the resolution of the genotype. However, they are also costly and require sophisticated infrastructure as well as highly skilled personnel. These limitations preclude access to molecular diagnostics in rural areas, and particularly in low-resource settings in the developing world. The concept of “democratizing” molecular diagnostics points to this disparity in health care systems of developed and developing nations and urges the development of technologies that can be adapted for low-resource settings to ensure universal access.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,499
Score d'incertitude au seuil0,912

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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 revuePoint of Care The Journal of Near-Patient Testing & TechnologyMême sujetMalaria Research and ControlTravaux en français237 207