MétaCan
Menu
Retour à la cohorte
Enregistrement W4362704248 · doi:10.1016/j.ijid.2023.04.006

World Tuberculosis Day 2023 theme “Yes! We Can End TB!”

2023· editorial· en· W4362704248 sur OpenAlexaboutno aff
Delia Goletti, Seif Al-Abri, Giovanni Battista Migliori, Rhea N. Coler, Ong C, Susanna Esposito, Marina Tadolini, Alberto Matteelli, Daniela María Cirillo, Elisa Nemes, Eskild Petersen

Notice bibliographique

RevueInternational Journal of Infectious Diseases · 2023
Typeeditorial
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesMinistero della SaluteQIAGEN
Mots-clésTuberculosisMedicineTheme (computing)Computer sciencePathologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

INTRO: Viruses, including SARS-CoV-2, which causes COVID-19, are constantly changing. These genetic changes (aka mutations) occur over time and can lead to the emergence of new variants that may have different characteristics. After the first SARS-CoV-2 genome was published in early 2020, scientists all over the world soon realized the immediate need to obtain as much genetic information from as many strains as possible. However, understanding the functional significance of the mutations harbored by a variant is important to assess its impact on transmissibility, disease severity, immune escape, and the effectiveness of vaccines and therapeutics. METHODS: Here in Canada, we have developed an interactive framework for visualizing and reporting mutations in SARS-CoV-2 variants. This framework is composed of three stand-alone yet connected components; an interactive visualization (COVID-MVP), a manually curated functional annotation database (pokay), and a genomic analysis workflow (nf-ncov-voc). Findings: COVID-MVP provides (i) an interactive heatmap to visualize and compare mutations in SARS-CoV-2 lineages classified across different VOCs, VOIs, and VUMs; (ii) mutation profiles including the type, impact, and contextual information; (iii) annotation of biological impacts for mutations where functional data is available in the literature; (iv) summarized information for each variant and/or lineage in the form of a surveillance report; and (v) the ability to upload raw genomic sequence(s) for rapid processing and annotating for real-time classification. DISCUSSION: This comprehensive comparison allows microbiologists and public health practitioners to better predict how the mutations in emerging variants will impact factors such as infection severity, vaccine resistance, hospitalization rates, etc. CONCLUSION: This framework is cloud-compatible & standalone, which makes it easier to integrate into other genomic surveillance tools as well. COVID-MVP is integrated into the Canadian VirusSeq data portal (https://virusseqdataportal.ca) - a national data hub for SARS-COV-2 genomic data. COVID-MVP is also used by the CanCOGeN and CoVaRR networks in national COVID-19 genomic surveillance.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,799

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0070,003
Science ouverte0,0010,003
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,2390,178

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 Opus0,017
Tête enseignante GPT0,346
Écart entre enseignants0,329 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Infectious DiseasesMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207