Integrating genomic and spatial analyses to describe tuberculosis transmission: a scoping review
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
Tuberculosis remains a leading cause of infection-related mortality, and efforts to reduce its incidence have been hindered by an incomplete understanding of local Mycobacterium tuberculosis transmission dynamics. Advances in pathogen sequencing and spatial analysis have created new opportunities to map M tuberculosis transmission patterns more precisely. In this scoping review, we searched for studies combining pathogen genetics and location data to analyse the spatial patterns of M tuberculosis transmission and identified 142 studies published between 1994 and 2024. Secular changes in genetic methods were observed, with genome sequencing approaches largely replacing lower-resolution genotyping methods since 2020. The included studies addressed four primary research questions: how are tuberculosis cases and M tuberculosis transmission clusters geographically distributed; do spatially concentrated M tuberculosis clusters exist, and where are these areas located; when spatial concentration occurs, what host, pathogen, or environmental factors contribute to these patterns; and do identifiable relationships exist between the spatial proximity of tuberculosis cases and the genetic similarity of the M tuberculosis isolates infecting these individuals? Collectively, in this Review, we examined the available study data, evaluated the analytical requirements for addressing these questions, and discussed opportunities and challenges for future research. We found that the integration of spatial and genomic data can inform a detailed understanding of local M tuberculosis transmission patterns, but improved study designs and new analytical methods to address gaps in sampling completeness and to integrate additional movement data are needed to fully realise the potential of these tools.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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