Measures used to assess the burden of ESBL-producing <i>Escherichia coli</i> infections in humans: a scoping review
Notice bibliographique
Résumé
BACKGROUND: (ESBL-EC) in the published literature, indicating a need to synthesize available BOI data to provide an overall understanding of the impact of ESBL-EC infections on human health. OBJECTIVES: To summarize the characteristics of BOI reporting in the ESBL-EC literature to (i) describe how BOI associated with antimicrobial resistance (AMR) is measured and reported; (ii) summarize differences in other aspects of reporting between studies; and (iii) highlight the common themes in research objectives and their relation to ESBL-EC BOI. METHODS AND RESULTS: Two literature searches, run in 2013 and 2018, were conducted to capture published studies evaluating the BOI associated with ESBL-EC infections in humans. These searches identified 1723 potentially relevant titles and abstracts. After relevance screening of titles and abstracts and review of full texts, 27 studies were included for qualitative data synthesis. This review identified variability in the reporting and use of BOI measures, study characteristics, definitions and laboratory methods for identifying ESBL-EC infections. CONCLUSIONS: Decision makers often require BOI data to make science-based decisions for the implementation of surveillance activities or risk reduction policies. Similarly, AMR BOI measures are important components of risk analyses and economic evaluations of AMR. This review highlights many limitations to current ESBL-EC BOI reporting, which, if improved upon, will ensure data accessibility and usefulness for ESBL-EC BOI researchers, decision makers and clinicians.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».