MétaCan
Menu
Retour à la cohorte
Enregistrement W4385476910 · doi:10.2471/blt.22.289403

National action plans for antimicrobial resistance and variations in surveillance data platforms

2023· article· en· W4385476910 sur OpenAlexaff
Scott J C Pallett, Esmita Charani, Lois Hawkins, Andrea Mazzella, Vanesa Antón-Vázquez, Rishi Banerjee, Terry John Evans, Benjamin Patterson, Sathyavani Subbarao, Saleh A. Alqahtani, Marina Basarab, Aodhán S. Breathnach, Nabeela Mughal, Luke Moore

Notice bibliographique

RevueBulletin of the World Health Organization · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNIHR Imperial Biomedical Research CentreNational Institute for Health and Care ResearchNational Institute for Health Research Health Protection Research Unit
Mots-clésConcordanceAntibiotic resistanceKlebsiella pneumoniaeAntimicrobialConfidence intervalMedicineBiologyMicrobiologyInternal medicineAntibioticsEscherichia coli

Résumé

récupéré en direct d'OpenAlex

Objective: To assess how national antimicrobial susceptibility data used to inform national action plans vary across surveillance platforms. Methods: -tests, and Wilcoxon signed-rank tests, we assessed susceptibility data and number of isolate concordances between platforms. Findings: -value: 0.04) platforms. Conclusion: The considerable heterogeneity of nationally submitted data to commonly used antimicrobial resistance surveillance platforms compromises their validity, thus undermining local and global antimicrobial resistance strategies. Hence, we need to understand and address surveillance platform variability and its underlying mechanisms.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,294
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the World Health OrganizationMême sujetAntibiotic Use and ResistanceTravaux en français237 207