Shiga Toxin-Producing Escherichia coli (STEC) in Developing Countries: A 10-Year Review with Global Perspective
Notice bibliographique
Résumé
In the past two decades, Shiga toxin-producing Escherichia coli (STEC) has been responsible for multiple large-scale outbreaks worldwide, affecting thousands of individuals. While surveillance systems in developed countries such as the United States, the United Kingdom, Europe, Australia, Japan, and Canada are well-established, data on STEC prevalence in developing nations remain sparse, partly due to the absence of well-structured molecular diagnostic networks or surveillance systems. This review analyzed 250 studies published between 2014 and 2024 across 39 developing countries in Africa, Asia, Latin America, and the Caribbean, yielding 8986 STEC isolates. Detailed serogroup and serotype data were available for 55.9% of these, with O111, O157, and O26 being most common in humans. In animals, O157:H7 was most frequent, while food isolates mirrored global trends with O157 and O111 dominance. Notably, O145, a serogroup frequently reported in the U.S. and Europe, was absent from the ‘’Top Seven’’ serogroups. Shiga toxin subtypes stx1a and stx2a were most prevalent in human cases. In animal isolates, stx2e was the most prevalent subtype, while stx2c was most commonly found in food samples. We recommend establishing reference laboratories in these regions to improve data quality, strengthen monitoring efforts, and reduce the burden of STEC infections globally.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».