MétaCan
Menu
Retour à la cohorte
Enregistrement W2897061661 · doi:10.1093/infdis/jiy366

Contribution of Environment Sample-Based Detection to Ebola Outbreak Management

2018· article· en· W2897061661 sur OpenAlexaff
Jimmy Kapetshi, Hugues Fausther‐Bovendo, Cindi R. Corbett, Anders Leung, Kamal Ait-Ikhlef, Justus Nsio, Aaron Aruna, Benoît Kebela Ilunga, Jean-Jacques Muyembe, Pierre Formenty, Gary Kobinger

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensPublic Health Agency of CanadaUniversité Laval
Organismes subventionnairesWorld Health Organization
Mots-clésOutbreakEbola virusVirologyEbolavirusTransmission (telecommunications)Polymerase chain reactionReverse transcription polymerase chain reactionReal-time polymerase chain reactionBiologyMedicineMessenger RNAComputer scienceGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Detection of chains of transmission is critical to interrupt Ebola virus (EBOV) outbreaks. For >25 years, quantitative reverse transcription polymerase chain reaction performed on biological fluids has been the reference standard for EBOV detection and identification. In the current study, we investigated the use of environmental sampling to detect EBOV shed from probable case patients buried without the collection of bodily fluids. During the 2012 Bundibugyo virus (BDBV) outbreak in the Democratic Republic of the Congo, environmental samples were screened for BDBV RNA by means of real-time polymerase chain reaction. Low levels of BDBV genomic RNA were detected in a hospital and in a house. Detection of BDBV RNA in the house led to the identification of the last chain of transmission still active, which resulted in the safe burial of the person with the last laboratory-confirmed case of this outbreak. Overall, environmental sampling can fill specific gaps to help confirm EBOV positivity and therefore be of value in outbreak management.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,286
Écart entre enseignants0,275 · 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'étudeObservationnel
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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infectious DiseasesMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207