Estimation of uncertainty in Loa loa microfilarial load by microscopy
Notice bibliographique
Résumé
Abstract For determine the uncertainty of reading and measurement, as well as the Pari intervals of microfilarial load or microfilaremia (mf) per millimeter of Loa loa performed by microscopy. It is important to consider the uncertainty in the measurement or reading of the Loa Loa microfilarial load for the administration of ivermectin. We review existing methods for calculating the uncertainty in the measurement of a particular quantity, with emphasis on the one proposed in GUM. The data used here come from research conducted by CRFilMT in Ebolowa and Mbalmayo in 2007 and 2010, respectively, and in the Okola health district in Cameroon in 2015. The data consist of several measurements or readings of Loa loa load on each sampled individual. The application of the GUM method to our data was done using a 2-level hierarchical model. We estimated the uncertainty and sources of variation in the measurements and readings of Loa loa microfilarial load, and provided 95% intervals for the true values (8,000 mf/mL and 30,000 mf/mL), of this load for each individual. For reading, the reading uncertainty is 3.84 with a Pari interval of [6, 723.15, 11, 264] of the 8,000 mf/mL microfilar charge and 7.45 with a Pari interval of [26, 819.55, 35, 152.09] of the 30,000 mf/mL microfilar charge. For the measurement, the reading uncertainty is 20.93 with a Pari interval of [7, 647.32, 8, 216.26] of the 8,000 mf/mL microfilar charge and 40.53 with a Pari interval of [26, 819.55, 35, 152.09] of the 30,000 mf/mL microfilar charge.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».