Notice bibliographique
Résumé
BACKGROUND: Mycological culture is the traditional method for identifying infecting agents of onychomycosis despite high false-negative results, slower processing, and complications surrounding nondermatophyte mold (NDM) infections. Molecular polymerase chain reaction (PCR) methods are faster and suited for ascertaining NDM infections. METHODS: To measure agreement between culture and PCR methods for identification of infecting species of suspected onychomycosis, single toenail samples from 167 patients and repeated serial samples from 43 patients with suspected onychomycosis were processed by culture and PCR for identification of 16 dermatophytes and five NDMs. Agreement between methods was quantified using the kappa statistic (κ). RESULTS: The methods exhibited fair agreement for the identification of all infecting organisms (single samples: κ = 0.32; repeated samples: κ = 0.38). For dermatophytes, agreement was moderate (single samples: κ = 0.44; repeated samples: κ = 0.42). For NDMs, agreement was poor with single samples (κ = 0.16) but fair with repeated samples (κ = 0.25). Excluding false-negative reports from analyses improved agreement between methods in all cases except the identification of NDMs from single samples. CONCLUSIONS: Culture was three or four times more likely to report a false-negative result compared with PCR. The increased agreement between methods observed by excluding false-negative reports statistically clarifies and highlights the major discord caused by false-negative cultures. The increased agreement of NDM identification from poor to fair with repeated sampling along with their poor agreement in the single samples, with and without false-negatives, affirms the complications of NDM identification and supports the recommendation that serial samples help confirm the diagnosis of NDM infections.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».