End-to-End Data Automation for Pooled Sample SARS-CoV-2 Using R and Other Open-Source Tools
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
BACKGROUND: Due to supply chain shortages of reagents for real-time (RT)-PCR for SARS-CoV-2 and increasing demand on technical staff, an end-to-end data automation strategy for SARS-CoV-2 sample pooling and singleton analysis became necessary in the summer of 2020. METHODS: Using entirely open source software tools-Linux, bash, R, RShiny, ShinyProxy, and Docker-we developed a modular software application stack to manage the preanalytical, analytical, and postanalytical processes for singleton and pooled testing in a 5-week time frame. RESULTS: Pooling was operationalized for 81 days, during which time 64 pooled runs were performed for a total of 5320 sample pools and approximately 21 280 patient samples in 4:1 format. A total of 17 580 negative pooled results were released in bulk. After pooling was discontinued, the application stack was used for singleton analysis and modified to release all viral RT-PCR results from our laboratory. To date, 236 109 samples have been processed avoiding over 610 000 transcriptions. CONCLUSIONS: We present an end-to-end data automation strategy connecting 11 devices, one network attached storage, 2 Linux servers, and the laboratory information system.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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