MétaCan
Menu
Retour à la cohorte
Enregistrement W4297238018 · doi:10.3390/pathogens11101090

Tick-Borne-Agents Detection in Patients with Acute Febrile Syndrome and Ticks from Magdalena Medio, Colombia

2022· article· en· W4297238018 sur OpenAlexaff
Ruth Cabrera, Willington Mendoza, Loreth López-Mosquera, Miguel Ángel Cano, Nicolas Ortiz, Valentina Campo, Yoav Keynan, Lucelly López, Zulma Vanessa Rueda, Lina A. Gutiérrez

Notice bibliographique

RevuePathogens · 2022
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueVector-borne infectious diseases
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCorporación colombiana de investigación agropecuariaUniversidad Pontificia BolivarianaUniversidad de Córdoba
Mots-clésCoxiella burnetiiTick-borne diseaseAnaplasmaTickBorreliaRickettsia rickettsiiQ feverEhrlichiaVirologyBiologyEhrlichia chaffeensisEtiologySpotted feverImmunologyMedicineAntibodyBorrelia burgdorferiRickettsiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Acute febrile illness (AFI) is a morbid condition with a sudden onset of fever with at least seven days of evolution, where no signs or symptoms related to an apparent infection have been identified. In Latin America, a high proportion of disease is typically due to malaria and arboviruses. However, among the infectious etiologies, tick-borne diseases (TBDs) should also be considered, especially in areas where people come into direct contact with these arthropods. This study aims to describe the etiology and epidemiology related to tick-borne agents in patients with AFI and the tick’s natural infection by agents of TBD in the rural tropical Magdalena Medio region in Colombia, and explore the factors associated with the presence of Coxiella burnetii infection. We conduct a cohort study enrolling 271 patients with AFI to detect the bacteria of the genera Anaplasma, Ehrlichia, Coxiella, Rickettsia, Borrelia, and Francisella through molecular techniques, and additionally evaluate the presence of IgG antibodies with commercially available kits. We also conduct tick collection in the patient’s households or workplaces for the molecular screening of the same bacterial genera. Seropositivity to IgG antibodies was obtained for all the bacteria analyzed, with Francisella being the most common at 39.5% (107/271), followed by R. rickettsii at 31.4% (85/271), Ehrlichia at 26.9% (73/271), R. typhi at 15.5% (42/271), Anaplasma at 14.4% (39/271), and Borrelia at 6.6% (18/271). However, these bacteria were not detected by the molecular techniques used. Coxiella burnetii infection was detected in 39.5% of the patients: 49.5% only by phase I and II IgG antibodies, 33.6% only by real-time PCR, and 16.8% had a concordant positive result for both techniques. A total of 191 adult ticks, 111 females and 80 males, were collected and identified as Rhipicephalus sanguineus s.l. and Rhipicephalus microplus. In the 169 adult ticks in which natural infection was evaluated, Ehrlichia spp. was detected in 21.3% (36/169), Coxiella spp. in 11.8% (20/169), and Anaplasma spp. in 4.7% (8/169). In conclusion, we identified the prior exposition to Francisella, Anaplasma, Ehrlichia, Rickettsia, Borrelia, and Coxiella in patients through serological tests. We also detected the infection of C. burnetii using molecular techniques. In the ticks, we identified bacteria of the genera Coxiella, Anaplasma, and Ehrlichia. These results suggest the importance of these zoonotic agents as possible causes of AFI in this region.

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)0,001
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 enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePathogensMême sujetVector-borne infectious diseasesTravaux en français237 207