Coherent fluctuation nephelometry in clinical microbiology
Notice bibliographique
Résumé
In this article data concerning coherent fluctuation nephelometry (CFN) use in clinical microbiology is presented. CFN-analyzer allows to solve two important problems – fast urine screening for bacteriuria within 2-4 hours and antibiotic susceptibility testing within 3-6 hours. Altogether more than 650 urine samples were tested, and the effectivity of CFN-analyzer for preliminary selection of samples for further analysis was shown. Method allows to detect negative samples, reducing the number of urine analyses by 70-80%. Simultaneous analysis of growth curves and concentration of microorganisms shows high sensitivity and specificity (95.2% и 96.9%). Also more than 250 antibiotic susceptibility tests were performed using CFN-analyzer to show its effectiveness for determination of resistant properties of both pure cultures and urine microflora without isolation of bacteria. The agreement with traditional methods was from 84% to 88%. The use of CFN-analyzer with express methods of identification of microorganisms (chromogenic nutrient broths or mass-spectrometry) allows to make full urine analysis within 1-2 days. In the future CFN-analyzer gives an opportunity to screen different human biological liquids, and finds an application for other microbiological tasks, including standardization and speeding-up in sanitary bacteriology.
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 | 0,000 |
| 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 ».