MétaCan
Menu
Retour à la cohorte
Enregistrement W4390558256 · doi:10.62035/rca.1.12

Diagnósticos point-of-care: amplificación isotérmica mediada por asas como alternativa para la detección y prevención del síndrome urémico hemolítico

2020· article· es· W4390558256 sur OpenAlexaff
Ezequiel Blanco, Rosana Alves

Notice bibliographique

RevueRevista Científica ANMAT · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensAbbott (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

El Síndrome Urémico Hemolítico (SUH) es una enfermedad que se caracteriza por un fracaso renal agudo (o crónico) que afectaprincipalmente a la población pediátrica. Su etiología es variable, aunque la más frecuente está asociada a la ingesta de alimentos contaminados con Escherichia coli productora de toxina Shiga. En Argentina, esta enfermedad representa un grave problema de salud pública debido a la tasa alta de ocurrencia y a la falta de un tratamiento específico; esto revela la importancia de la inmediatez y la eficiencia con que intervienen todos los agentes involucrados en la prevención primaria a fin de reducir el impacto sanitario. En este entramado se discute la aplicación de la técnica de Amplificación Isotérmica de ácidos nucleicos Mediada por Asas (LAMP, por sus siglas en inglés), cómo método de diagnóstico alternativo a la Reacción en Cadena de la Polimerasa (PCR, por sus siglas en inglés), hoy ampliamente utilizada en centros de referencia. Para el desarrollo de este trabajo se llevó a cabo una revisión bibliográfica para analizar el contraste PCR vs LAMP en el marco de los requisitos “ASSURED” de técnicas point-of-care adoptados por la Organización Mundial de la Salud. Con un inicial abordaje molecular, se resaltan características diagnósticas, tales como la universalidad de la aplicación, especificidad, sensibilidad de la técnica, las cuales postulan a la LAMP como una herramienta rápida, oportuna y confiable para la detección de una gran cantidad de patógenos bacterianos.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
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)0,0010,000

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 GPT0,248
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Científica ANMATMême sujetBiosensors and Analytical DetectionTravaux en français237 207