Epidemiology of Non-O157 Shiga Toxin-Producing Escherichia coli in the Province of Alberta, Canada, from 2018 to 2021
Notice bibliographique
Résumé
Non-O157 serogroups contribute significantly to the burden of disease caused by Shiga toxin-producing Escherichia coli (STEC) and have been underrecognized by traditional detection algorithms. We described the epidemiology of non-O157 STEC in Alberta, Canada for the period of 2018 to 2021. All non-O157 STEC isolated from clinical samples were submitted for serotyping and qPCR targeting the stx1 and stx2 genes. A total of 729 isolates were identified. Increased detection occurred over the summer months, peaking in July. Patients 18 years and younger made up 42.4% of cases, with 31.1% in those 0–9 years of age. There was a slight female predominance (399/729, 54.7%) A total of 50 different serogroups were detected; the most common were O26 (30.3%), O103 (15.9%), O111 (12.8%), O121 (11.0%), O118 (3.3%) and O71 (2.9%). These six serogroups made up 76.2% of all isolates. In total, 567 (77.8%) were positive for stx1, 114 (15.6%) were positive for stx2 and 48 (6.6%) were positive for both stx1 and stx2. A wide variety of non-O157 serogroups have been detected in Alberta, with the most frequent serogroups differing from other locations. These results highlight the need for further characterization of their virulence factors and clinical impact.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 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 ».