MétaCan
Menu
Retour à la cohorte
Enregistrement W2980431881 · doi:10.3201/eid2406.171587

Frequent Implication of Multistress-Tolerant<i>Campylobacter jejuni</i>in Human Infections

2018· article· en· W2980431881 sur OpenAlexafffund
Euna Oh, Linda Chui, Junghee Bae, Vincent Li, Angela Ma, Steven K. Mutschall, Eduardo N. Taboada, Lynn M. McMullen, Byeonghwa Jeon

Notice bibliographique

RevueEmerging infectious diseases · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensPublic Health Agency of CanadaProvincial Laboratory of Public HealthUniversity of Alberta
Organismes subventionnairesAlberta Agriculture and Forestry
Mots-clésCampylobacter jejuniBiologyCampylobacteriosisMicrobiologyCampylobacterPopulationCladeGeneticsBacteriaGenePhylogeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

Campylobacter jejuni, a major cause of bacterial foodborne illnesses, is considered highly susceptible to environmental stresses. In this study, we extensively investigated the stress tolerance of 121 clinical strains of C. jejuni against 5 stress conditions (aerobic stress, disinfectant exposure, freeze-thaw, heat treatment, and osmotic stress) that this pathogenic bacterium might encounter during foodborne transmission to humans. In contrast to our current perception about high stress sensitivity of C. jejuni, a number of clinical strains of C. jejuni were highly tolerant to multiple stresses. We performed population genetics analysis by using comparative genomic fingerprinting and showed that multistress-tolerant strains of C. jejuni constituted distinct clades. The comparative genomic fingerprinting subtypes belonging to multistress-tolerant clades were more frequently implicated in human infections than those in stress-sensitive clades. We identified unique stress-tolerant C. jejuni clones and showed the role of stress tolerance in human campylobacteriosis.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,274
Écart entre enseignants0,260 · 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

Citations39
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmerging infectious diseasesMême sujetSalmonella and Campylobacter epidemiologyTravaux en français237 207