Performance of bovine genital campylobacteriosis diagnostic tests in bulls from Uruguay: a Bayesian latent class model approach
Notice bibliographique
Résumé
Abstract The sensitivity (Se) and specificity (Sp) of three diagnostic tests for the detection of Campylobacter fetus venerealis (Cfv) using field samples were estimated using a Bayesian latent class model (BLCM), accounting for the absence of a gold standard. The tests were direct immunofluorescence antibody test (IFAT), polymerase chain reaction (PCR), and real-time PCR (RT-PCR). Twelve farms from two different populations were selected and bull prepuce samples were collected. The IFAT was performed according to the OIE Manual. The conventional PCR was performed as multiplex, targeting the gene nahE for C. fetus species identification and insertion element ISCfe1 for Cfv identification. The RT-PCR was performed as uniplex one targeting the gene nahE for C. fetus and the other targeting the insertion ISCfe1 (ISC2) for Cfv. Results from the BLCM showed a median Se of 11.7% (Bayesian credibility interval (BCI): 1.93% − 29.79%), 53.7% (BCI: 23.1% − 95.0%) and 36.1% (BCI: 14.5% − 71.7%) for IFAT, PCR and RT-PCR respectively. The Sp were 94.5% (BCI: 90.1% -97.9%), 97.0% (BCI: 92.9% − 99.3%) and 98.4% (BCI: 95.3% − 99.7%) for IFAT, PCR and RT-PCR respectively. The correlation between PCR and RT-PCR was positive and low in samples from both sampled population (0.63% vs 8.47%). These results suggest that diagnostic sensitivity of the studied tests is lower using field samples than using pure Cfv strains.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».