Comparison of Clinical and Epidemiological Features of Shiga Toxin‐Producing <i>Escherichia coli</i> O157 and Non‐O157 Infections in British Columbia, 2009 to 2011
Notice bibliographique
Résumé
INTRODUCTION: Shiga toxin-producing Escherichia coli (STEC) are major foodborne agents that have the potential to cause severe enteric illnesses and large outbreaks worldwide. Several studies found non-O157 infections to be clinically milder than O157 STEC infections. OBJECTIVE: To compare the clinical and epidemiological profiles of O157 and non-O157 STEC human infections in British Columbia (BC). METHODS: All STEC cases reported in BC from 2009 to 2011 by four local health authorities were included in the study. Cases were classified according to STEC serotype based on laboratory information. Information was gathered via case interview forms. Data analysis included the χ(2) test and Mann-Whitney test; P<0.05 was considered to be statistically significant. RESULTS: A total of 260 STEC cases were reported, including 154 (59.2%) O157 cases, 63 (24.2%) non-O157 cases and 43 (16.5%) STEC cases with no serotype identified. Hospitalization rate was higher and duration of hospitalization was significantly longer for O157 cases compared with non-O157 cases, but other clinical features were not significantly different. Patients with non-O157 infections were significantly more likely to have travelled outside Canada, less likely to report food exposure at social gatherings and more likely to consume bagged greens and cheese. DISCUSSION: O157 is the predominant O serotype in BC and appeared to be more clinically severe than non-O157 STEC infections. However, the true incidence and severity of non-O157 remain unknown due to our current inability to detect all non-O157 cases. The present study and the literature suggest the need to identify more predictive virulence factors because serotype does not consistently predict disease severity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».