Correlation between Phenotypic and In Silico Detection of Antimicrobial Resistance in Salmonella enterica in Canada Using Staramr
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Whole genome sequencing (WGS) of Salmonella supports both molecular typing and detection of antimicrobial resistance (AMR). Here, we evaluated the correlation between phenotypic antimicrobial susceptibility testing (AST) and in silico prediction of AMR from WGS in Salmonella enterica (n = 1321) isolated from human infections in Canada. Phenotypic AMR results from broth microdilution testing were used as the gold standard. To facilitate high-throughput prediction of AMR from genome assemblies, we created a tool called Staramr, which incorporates the ResFinder and PointFinder databases and a custom gene-drug key for antibiogram prediction. Overall, there was 99% concordance between phenotypic and genotypic detection of categorical resistance for 14 antimicrobials in 1321 isolates (18,305 of 18,494 results in agreement). We observed an average sensitivity of 91.2% (range 80.5–100%), a specificity of 99.7% (98.6–100%), a positive predictive value of 95.4% (68.2–100%), and a negative predictive value of 99.1% (95.6–100%). The positive predictive value of gentamicin was 68%, due to seven isolates that carried aac(3)-IVa, which conferred MICs just below the breakpoint of resistance. Genetic mechanisms of resistance in these 1321 isolates included 64 unique acquired alleles and mutations in three chromosomal genes. In general, in silico prediction of AMR in Salmonella was reliable compared to the gold standard of broth microdilution. WGS can provide higher-resolution data on the epidemiology of resistance mechanisms and the emergence of new resistance alleles.
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.
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 | 0,000 | 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 découle