Field Evaluation of Mobile Molecular Differential Tests in DRC and Nigeria
Notice bibliographique
Résumé
Abstract Background Accurate and timely differential diagnoses are a challenge for health care, particularly in infrastructure-poor settings. Methods To investigate fevers of unknown origin in Africa, a mobile suitcase laboratory was deployed to DRC and Southwest Nigeria to support the control of the 2018–2020 Ebola virus disease outbreak in North-Kivu and Ituri provinces (DRC) and to provide a point-of-need solution for malaria confirmation during the dry season, respectively. Results In DRC, the samples were tested for Ebola virus and the differentials Plasmodium falciparum, Salmonella enterica, yellow fever virus, Dengue virus, and chikungunya virus. In Southwest Nigeria, the samples were not tested for Ebola virus but were tested for the same differentials and additionally for Rickettsia spp., Leptospira, and Streptococcus pneumoniae. Plasmodium falciparum was detected in 23% (n = 192) and 47% (n = 88) of cases, respectively, and Salmonella enterica was detected in only 1 case in each cohort. Conclusions The etiological agents circulating in febrile patients in Sub-Saharan Africa and the true incidence of neglected tropical diseases are still underestimated.
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 | 0,000 |
| 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 ».