TSN® Database Australia, a new tool to monitor antimicrobial resistance in Australia
Notice bibliographique
Résumé
An electronic network of Australian microbiology laboratories was established to monitor the emergence and occurrence of antimicrobial resistance among clinically relevant bacteria. It is believed that the data network collected approximately 42 per cent of all antibacterial susceptibility test results generated by Australian laboratories. The network comprised 94 hospitals and 9 private commercial laboratories. Selected data elements were extracted and electronically transmitted to a central location. Upon receipt, all data were first normalised and thereafter examined for errors. Duplicate results for the same patient were identified to prevent skewing of the data toward resistance. All data passing quality assessment was staged for release of a new database release that occurred monthly. Unusual test results were first validated prior to their inclusion into the database. Using an Internet-based query tool, individual institutions could query their own data, but could only query aggregated data for other regional or national analyses. Individual patient results could be examined nor could the results of any individual institution other than their own. As of March 2002, TSN Database Australia contained 14,648,752 test results, from 2,000,394 strains (453 different taxa) and 1,213,605 patients. Since the same database concept has been established in 10 other countries (United States of America, Europe, and Canada), observations made in Australia may be compared to those observed elsewhere in the world. This article will describe TSN in greater detail, describe the query tool and some of the analyses that are possible. Commun Dis Intell 2003;27 Suppl:S67-S69.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».