MétaCan
Menu
Retour à la cohorte
Enregistrement W4389989925 · doi:10.3389/frabi.2023.1329081

Focusing on antimicrobial resistant infections –are we missing the forest for the trees and the patients for pathogens?

2023· article· en· W4389989925 sur OpenAlexaff
Alexander Lawandi, Sameer S. Kadri, John H. Powers

Notice bibliographique

RevueFrontiers in Antibiotics · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Cancer InstituteNIH Clinical CenterNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésIntensive care medicineIncentivePsychological interventionAntimicrobialMedicineQuality of life (healthcare)Antibiotic resistanceBiologyAntibioticsNursingMicrobiology

Résumé

récupéré en direct d'OpenAlex

Antimicrobial resistance (AMR) is a challenge because it is associated with worse patient outcomes. To solve the problem will take development of interventions and policies which improve patient outcomes by prolonging survival, improving patient symptoms, function and quality of life. Logically, we should look to focusing resources in areas that would have the greatest impact on public health. AMR takes the approach of focusing on individual pathogens and "pathogen-focused" development. However, evaluating overall infections and their impact on patient outcomes reveals that 17 of 18 infection deaths are associated with susceptible pathogens. Here we discuss recentering on patients and patient outcomes instead of pathogens, and propose six suggestions on how a patient focus impacts areas and incentives for clinical research.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,224 · 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
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in AntibioticsMême sujetAntibiotic Use and ResistanceTravaux en français237 207