MétaCan
Menu
Retour à la cohorte
Enregistrement W2962989643 · doi:10.1371/journal.pone.0219961

Rapid metagenomics analysis of EMS vehicles for monitoring pathogen load using nanopore DNA sequencing

2019· article· en· W2962989643 sur OpenAlexafffund
Taylor Sheahan, Rhys Hakstol, Senthilkumar Kailasam, Graeme D. Glaister, Andrew J. Hudson, Hans‐Joachim Wieden

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Identification and Susceptibility Testing
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésMetagenomicsNanopore sequencingMinionOutbreakMicrobiomeDNA sequencingMedicineBiologyBioinformaticsVirologyGenetics

Résumé

récupéré en direct d'OpenAlex

Pathogen monitoring, detection and removal are essential to public health and outbreak management. Systems are in place for monitoring the microbial load of hospitals and public health facilities with strategies to mitigate pathogen spread. However, no such strategies are in place for ambulances, which are tasked with transporting at-risk individuals in immunocompromised states. As standard culturing techniques require a laboratory setting, and are time consuming and labour intensive, our approach was designed to be portable, inexpensive and easy to use based on the MinION third-generation sequencing platform from Oxford Nanopore Technologies. We developed a transferable sampling-to-analysis pipeline to characterize the microbial community in emergency medical service vehicles. Our approach identified over sixty-eight organisms in ambulances to the genera level, with a proportion of these being connected with health-care associated infections, such as Clostridium spp. and Staphylococcus spp. We also monitored the microbiome of different locations across three ambulances over time, and examined the dynamic community of microorganisms found in emergency medical service vehicles. Observed differences identified hot spots, which may require heightened monitoring and extensive cleaning. Through metagenomics analysis it is also possible to identify how microorganisms spread between patients and colonize an ambulance over time. The sequencing results aid in the development of practices to mitigate disease spread, while also providing a useful tool for outbreak prediction through ongoing analysis of the ambulance microbiome to identify new and emerging pathogens. Overall, this pipeline allows for the tracking and monitoring of pathogenic microorganisms of epidemiological interest, including those related to health-care associated infections.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

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

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 Opus0,086
Tête enseignante GPT0,267
Écart entre enseignants0,181 · 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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetBacterial Identification and Susceptibility TestingTravaux en français237 207