Transition to Whole Genome Sequencing Surveillance: The Impact on National Outbreak Detection and Response for <i>Listeria monocytogenes</i> , <i>Salmonella</i> , Shiga Toxin–Producing <i>Escherichia coli</i> , and <i>Shigella</i> Clusters in Canada, 2015–2021
Notice bibliographique
Résumé
Between 2017 and 2019, pulsed-field gel electrophoresis was replaced by whole genome sequencing (WGS) for identifying enteric disease clusters in Canada. The number and characteristics of all clusters of Listeria monocytogenes , Salmonella , Shiga toxin–producing Escherichia coli (STEC), and Shigella spp. between 2015 and 2021 were analyzed. Following the transition to WGS, an increase in the number of Salmonella , STEC, and Shigella clusters was noted, whereas the number of clusters of L. monocytogenes decreased. Unlike previous subtyping methods, WGS provided increased resolution to identify discrete clusters of Salmonella Enteritidis. This led to the identification of a number of outbreaks linked to frozen raw breaded chicken products and ultimately a change in food safety policy to reduce the number of illnesses associated with these products. Other pathogens did not experience a similar increase in the number of outbreaks detected. Although WGS did provide increased confidence in the genetic relatedness of cases and isolates, challenges remained in collecting epidemiological data to link these illnesses to a common source.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».