Multi-Year Comparison of VITEK® MS performance for identification of rarely encountered pathogenic gram-negative bacilli (GNBs) in a large integrated Canadian healthcare region.
Notice bibliographique
Résumé
Background: This multi-year study (2014-19) compared identification of rare and unusual GNB by MALDI-TOF MS (VITEK® MS, bioMérieux, Laval Que.) to 16S rRNA gene sequencing (16S) according to our laboratories routine workflow; 16S is done if initial MALDI-TOF MS results were discordant, wrong or absent. Materials and Methods: GNB isolates were first analyzed by standard phenotypic methods and MALDI-TOF MS using direct deposit with full formic acid extraction; proteomics was repeated if no result occurred. Medically approved 16S analyses were done using fast protocols. Isolate sequences were analyzed using IDNS3 bacterial database (SmartGene™, Lausanne, Switzerland). Results: 329 GNB isolates were recovered from 304 specimens; >1 isolate was recovered from 19(6%). 250(76%) NFGNBs, 62(19%) fGNBs, and 17(5%) CAMPB were mainly recovered from blood cultures (31.6%) and lower respiratory specimens (43%) (one-half were isolated from cystic fibrosis patients). Accurate genus vs. species identities were obtained for 67.2%/26% NFGNBs, 74.2%/53.2% fGNBs, and 22% CAMPB (with no discrepant species), respectively. Wrong or no results were obtained for 82(32.8%) NFGNB, 17(27.4%) fGNB, and 13(72.2%) CAMPB. Absent or misidentifications occurred for NFGNBs (33%), fGNBs (26%) and CAMPB (89%) due to absent species in the instrument’s database. VITEK MS performance remained stable for NFGNBs and fGNBs but improved for CAMPB but with the addition of Campylobacter rectus and Campylobacter curvus to the database. Conclusions: VITEK® MS databases need to be continually updated to include an increasing number of rare and unusual GNBs causing invasive human infections. 16S remains important for GNB identification where proteomics fails.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».