Automated detection of methicillin-resistant <i>Staphylococcus aureus</i> with the MRSA CHROM imaging application on BD Kiestra Total Lab Automation System
Notice bibliographique
Résumé
(MRSA) and its potentially fatal outcome necessitate rapid and accurate detection of patients colonized with MRSA in healthcare settings. Using the BD Kiestra Total Lab Automation (TLA) System in conjunction with the MRSA Application (MRSA App), an imaging application that uses artificial intelligence to interpret colorimetric information (mauve-colored colonies) indicative of MRSA pathogen presence on CHROMagar chromogenic media, anterior nares specimens from three sites were evaluated for the presence of mauve-colored colonies. Results obtained with the MRSA App were compared to manual reading of agar plate images by proficient laboratory technologists. Of 1,593 specimens evaluated, 1,545 (96.98%) were concordant between MRSA App and laboratory technologist reading for the detection of MRSA growth [sensitivity 98.15% (95% CI, 96.03, 99.32) and specificity 96.69% (95% CI, 95.55, 97.60)]. This multi-site study is the first evaluation of the MRSA App in conjunction with the BD Kiestra TLA System. Using the MRSA App, our results showed 98.15% sensitivity and 96.69% specificity for the detection of MRSA from anterior nares specimens. The MRSA App, used in conjunction with laboratory automation, provides an opportunity to improve laboratory efficiency by reducing laboratory technologists' labor associated with the review and interpretation of cultures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».