MétaCan
Menu
Retour à la cohorte
Enregistrement W6926733948 · doi:10.25384/sage.c.6655387

Comparison of 2 sampling methods for molecular detection of bacteria or fungi from feline hair and scale specimens

2023· other· en· W6926733948 sur OpenAlexaff

Notice bibliographique

RevueSage Journals Data · 2023
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacillus and Francisella bacterial research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSampling (signal processing)ToothbrushDNABacteriaScale (ratio)Sample (material)

Résumé

récupéré en direct d'OpenAlex

Skin diseases of cats are among the most frequent client motivations for a veterinary consultation. Both carpet and toothbrush sampling are commonly used to obtain hair and scale samples for microbiologic testing. Although molecular tests have become more accessible and more widely used by clinicians, the ideal collection method for clinical specimens is unclear. To assess their performance in retrieving microbial DNA from clinical samples, we compared the bacterial and fungal DNA load in hair and skin scale samples collected using carpet or toothbrush methods. We evaluated sample DNA yield using fluorometry, spectrophotometry, and quantitative PCR. Despite no measurable differences in sample weight, toothbrush samples yielded significantly higher bacterial (<i>p</i> = 0.028) and fungal (<i>p</i> = 0.005) DNA loads compared to carpet samples, regardless of disease status. The toothbrush method was more effective in harvesting microbial DNA from hair and skin scale samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,455
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataMême sujetBacillus and Francisella bacterial researchTravaux en français237 207