MétaCan
Menu
Retour à la cohorte
Enregistrement W4383535318 · doi:10.3390/vetsci10070442

Nontuberculous Mycobacteria in Horses: A Narrative Review

2023· review· en· W4383535318 sur OpenAlexaff
Lynna Li, Grazieli Maboni, Amy Lack, Diego E. Gómez

Notice bibliographique

RevueVeterinary Sciences · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueMycobacterium research and diagnosis
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésNontuberculous mycobacteriaMedicineDiseaseZoonosisEnteritisMycobacteriumImmunologyIntensive care medicinePathologyTuberculosisInternal medicine

Résumé

récupéré en direct d'OpenAlex

Nontuberculous mycobacteria (NTM) infections are increasing in human and veterinary medicine. Although horses were initially thought to be resistant to NTM infection, reports of horses suffering from gastrointestinal, respiratory, and reproductive diseases associated with NTM have increased in the last few decades. The aim of this literature review is to summarize the mycobacteria species found in horses, describe clinical manifestations, diagnostic and treatment approaches, and public health concerns of NTM infection in horses. Clinical manifestations of NTM in horses include pulmonary disease, lymphadenitis, soft tissue, bone infections, and disseminated disease. NTM are also linked to granulomatous enteritis, placentitis, and abortions. Currently, diagnostic methods for NTM are limited and include acid-fast microscopy, bacterial cultures, species-specific PCR assays, and gene sequencing. In humans, NTM treatment guidelines are available, but their application appears inadequate and inconsistent. In horses, treatment guidelines for NTM infections are not available. NTM are a serious public health threat as 70% of people with untreated acquired immunodeficiency syndrome (AIDS) have a chronic pulmonary disease caused by NTM. Thus, it is essential that we gain a better understanding of NTM infections in horses and their zoonotic potential.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,244
Tête enseignante GPT0,485
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary SciencesMême sujetMycobacterium research and diagnosisTravaux en français237 207