Automated detection of methicillin-resistant <i>Staphylococcus aureus</i> with the MRSA CHROM imaging application on BD Kiestra Total Lab Automation System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle