Associating sporadic, foodborne illness caused by Shiga toxin-producing <i>Escherichia coli</i> with specific foods: a systematic review and meta-analysis of case-control studies
Notice bibliographique
Résumé
Shiga toxin-producing Escherichia coli (STEC) infections are a significant public health issue, with foodborne transmission causing >1 million illnesses worldwide each year. We conducted a systematic review and meta-analysis (PROSPERO registry # CRD42017074239), to determine the relative association of different food types with sporadic illnesses caused by STEC. Searches were conducted from 01 August to 30 September 2017, using bibliographic and grey literature databases, websites and expert consultation. We identified 22 case-control studies of sporadic STEC infection in humans, from 10 countries within four World Health Organization subregions, from 1985 to 2012. We extracted data from 21 studies, for 237 individual measures in 11 food categories and across three status types (raw or undercooked, not raw and unknown). Beef was the most significant food item associated with STEC illness in the Americas and Europe, but in the Western Pacific region, chicken was most significant. These findings were not significantly moderated by the raw or cooked status of the food item, nor the publication year of the study. Data from the African, South-East Asian and Eastern Mediterranean subregions were lacking and it is unclear whether our results are relevant to these regions.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,016 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».