MétaCan
Menu
Retour à la cohorte
Enregistrement W4389402206 · doi:10.3947/ic.2023.0067

Phage Therapy in Korea: A Prescribers' Survey of Attitudes Amongst Korean Infectious Diseases Specialists Towards Phage Therapy

2023· article· en· W4389402206 sur OpenAlexaff
Shinwon Lee, Stephanie Lynch, Ruby C.Y. Lin, Heejoon Myung, Jonathan R. Iredell

Notice bibliographique

RevueInfection and Chemotherapy · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensSemtech (Canada)
Organismes subventionnairesNational Health and Medical Research Council
Mots-clésPhage therapyMedicineInfectious disease (medical specialty)Family medicineClinical trialDiseaseInternal medicineBacteriophageBiology

Résumé

récupéré en direct d'OpenAlex

Background: Concerns about the rise in antimicrobial resistance have led to renewed interest in phage therapy worldwide, but perceptions among relevant medical professionals in Korea remain largely unknown. Materials and Methods:We conducted a semi-quantitative online survey to evaluate the Korean infectious disease specialists' perception of phage therapy. Results:We sent out the link to the questionnaire to 380 subjects and received 91 replies, with 90/91 respondents identifying as Korean infectious diseases specialists or trainees.Ten out of 91 (11.0%) respondents scored themselves as well-informed about phage therapy.The majority (93.4%) of respondents would consider using phage therapy if the safety of the phage formulation is guaranteed, and 80% of respondents would consider participating in clinical trials with phage therapy given adequate support.The biggest concern was uncertainty about safety (73.6%) and efficacy (65.9%).Acinetobacter baumannii was ranked as a high priority for phage therapy research, as were bone and joint infections.Conclusion: Korean infectious diseases specialists are receptive to phage therapy, but a better understanding of safety, efficacy and clinical trials are warranted to progress phage therapy within the Korean healthcare 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.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · 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'étudeObservationnel
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfection and ChemotherapyMême sujetBacteriophages and microbial interactionsTravaux en français237 207