MétaCan
Menu
Retour à la cohorte
Enregistrement W4396599590 · doi:10.21203/rs.3.rs-4289626/v1

Feline Respiratory Disease Complex: Insights into the Role of Viral and Bacterial Co- infections

2024· preprint· en· W4396599590 sur OpenAlexaff
Grazieli Maboni, Sunoh Che, Rebecca L. Tallmadge, Eliana De Luca, Laura B. Goodman, J. Scott Weese, Susan Sánchez

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiqueMicrobial infections and disease research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMycoplasmaBiologyDiseaseMycoplasma pneumoniaeRespiratory tract infectionsPneumoniaBordetella bronchisepticaMedicineVirologyImmunologyMicrobiologyPathologyRespiratory systemInternal medicineGeneticsBacteria

Résumé

récupéré en direct d'OpenAlex

Abstract Feline respiratory disease complex (FRDC) is caused by multiple viral and bacterial pathogens. There is limited information about the role of co-infections in pathogenesis and the current prevalence of pathogens in North America. We aimed to conduct a study using technical advances in molecular diagnosis and statistical modeling analysis to elucidate the occurrence of pathogens and how co-infections affect disease severity. We attained information from three diagnostic laboratories in North America regarding the occurrence of Bordetella bronchiseptica, Chlamydia felis, Mycoplasma, Felid alphaherpesvirus 1 (FeHV-1), feline calicivirus (FCV), and influenza A, along with age, seasonality, sex, and clinical signs. We also evaluated the role of co-infections in disease severity. These pathogens were also investigated in clinically normal cats (control). The most detected pathogens were Mycoplasma, FCV, and FeHV-1. Most pathogens were detected in the control group, highlighting the challenge of interpreting positive testing results. Co-infections of Mycoplasma and FCV, as well as Mycoplasma and FeHV-1, were important predictors of disease severity. Age, sex, and season had a minor impact on pathogen occurrence. This study provides new insights into FRDC and underlines the relevance of diagnostic panels to screen for a range of pathogens, providing knowledge for timely diagnosis and therapeutic interventions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,044
Tête enseignante GPT0,384
Écart entre enseignants0,340 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetMicrobial infections and disease researchTravaux en français237 207