MétaCan
Menu
Retour à la cohorte
Enregistrement W2809506570 · doi:10.15698/mic2018.07.638

Methodologies for in vitro and in vivo evaluation of efficacy of antifungal and antibiofilm agents and surface coatings against fungal biofilms

2018· review· en· W2809506570 sur OpenAlexaff
Patrick Van Dijck, Jelmer Sjollema, Bruno P.A. Cammue, Katrien Lagrou, Judith Berman, Christophe d’Enfert, David R. Andes, Maiken Cavling Arendrup, Axel A. Brakhage, Richard Calderone, Tom Coenye, Paul Cos, Leah E. Cowen, Mira Edgerton, Ana Espinel‐Ingroff, Scott G. Filler, Mahmoud Ghannoum, Neil A. R. Gow, Hubertus Haas, Mary Ann Jabra‐Rizk, Elizabeth M. Johnson, Shawn R. Lockhart, José L. López-Ribot, Johan Maertens, Carol A. Munro, Jeniel E. Nett, Clarissa J. Nobile, Michael A. Pfaller, Gordon Ramage, Dominique Sanglard, Maurizio Sanguinetti, Isabel Spriet, Paul E. Verweij, Adilia Warris, Joost Wauters, Michael R. Yeaman, Sebastian A. J. Zaat, Karin Thevissen

Notice bibliographique

RevueMicrobial Cell · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAntifungal resistance and susceptibility
Établissements canadiensInstitute of Infection and ImmunityCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesNational Institute of Allergy and Infectious DiseasesMedical Research CouncilNational Institutes of HealthIsrael Science FoundationDeutsche ForschungsgemeinschaftNational Institute of Dental and Craniofacial ResearchUniversity of AberdeenFonds Wetenschappelijk OnderzoekMedical Research Council Centre for Medical MycologyAmplyxWellcome TrustAgence Nationale de la RechercheCidara TherapeuticsAstellas PharmaGilead SciencesPfizer
Mots-clésBiofilmAntifungalMicrobiologyAntifungal drugsIn vivoDrug resistanceEchinocandinsBiologyMedicineFluconazoleBacteriaBiotechnologyCaspofungin

Résumé

récupéré en direct d'OpenAlex

Methodologies for in vitro and in vivo evaluation of efficacy of antifungal and antibiofilm agents and surface coatings against fungal biofilms – Unlike superficial fungal infections of the skin and nails, which are the most common (...)

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,007

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
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,132
Tête enseignante GPT0,398
Écart entre enseignants0,266 · 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
GenreSynthèse

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

En bref

Citations124
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobial CellMême sujetAntifungal resistance and susceptibilityTravaux en français237 207