MétaCan
Menu
Retour à la cohorte
Enregistrement W4225083339 · doi:10.17159/wsa/2022.v48.i2.3918

Rising environmental temperatures and polluted surface waters: the prelude to the rise of mycoses in South Africa

2022· article· en· W4225083339 sur OpenAlexaff
Heidi Christa Steffen, Caylin Bosch, Gideon Wolfaardt, Alfred Botha

Notice bibliographique

RevueWater SA · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMycobacterium research and diagnosis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesUniversiteit StellenboschWater Research CommissionNational Research Foundation
Mots-clésSanitationBiologyPopulationIncidence (geometry)Water bodyPollutionEcologyEnvironmental protectionGeographyEnvironmental healthEnvironmental scienceEnvironmental engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

South Africa’s rivers are frequently used by communities lacking proper sanitation infrastructure for domestic purposes; however, these surface waters may pose a health risk to immunocompromised individuals due to the presence of opportunistic pathogenic fungi in the polluted water. Although only a few studies have focused on the presence of clinically relevant fungal species in South African rivers, many known opportunistic pathogenic species were found to be predominant in these waters. Furthermore, strong evidence exists that increased numbers of clinically relevant species may be observed in future due to fungi acquiring thermotolerance in response to the global increase in temperature. Thermotolerance is a major factor contributing to pathogenesis in fungi, due to the generally low tolerance of most fungi toward mammalian body temperatures. It is therefore contended that combinatorial effects of water pollution and rising environmental temperatures could lead to an increase in the incidence of mycoses in South Africa. This is especially concerning since a relatively large population of immunocompromised individuals, represented mostly by HIV-infected people, resides in the country.

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)0,002
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,233
Écart entre enseignants0,219 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater SAMême sujetMycobacterium research and diagnosisTravaux en français237 207