MétaCan
Menu
Retour à la cohorte
Enregistrement W7162035379 · doi:10.82308/48853

The utility of a Geographic Information System in the detection of Tuberculosis transmission

2008· dissertation· en· W7162035379 sur OpenAlexaboutno aff
Alice Zwerling

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpidemiological surveillanceActive tuberculosisInformation transmissionNon human primate

Résumé

récupéré en direct d'OpenAlex

Introduction : La méthode traditionnelle d'évaluation des contacts d'un cas actif de tuberculose (TB) se concentre principalement à l'identification des noms des personnes contacts par le cas actif. Les systèmes d'information géographiques (SIG) pourraient être des outils nouveaux servant à identifier des lieux communs où la transmission peut se dérouler. Méthode : Nous avons réalisé une étude rétrospective à partir des dossiers de la santé publique de tous les 1536 cas de TB active sur l'île de Montréal de janvier 1996 à décembre 2004. Les adresses des résidences, du travail, de l'école et des activités sociales des patients ont été recueillies et géocodées. Nous avons alors utilisé les logiciels Crimestat et R afin d'identifier les cas situés dans un rayon de 15 mètres les uns des autres. Le génotypage des souches de M. tuberculosis a été effectué par la méthode de bandes IS6110. Cette méthode a été notre étalon-or pour déterminer la transmission. Résultats : Selon les génotypes partagés, 165 (15.8%) isolats ont été regroupés dans 57 agrégats variant de 2 à 11 membres. Les autres 878 isolats avaient des génotypes uniques. 1284 lieux ont été géocodés dont 196 impliquaient des cas avec des souches partagées avec d'autres patients montréalais. Parmi ces 196 lieux, seulement 17 (8.7%) cas de TB active ont partagé un lieux commun dans un rayon de 15 mètres avec un autre membre du même agrégat défini par le génotypage. Cependant, en utilisant la méthode d'échantillonnage du bootstrap pour comparer un échantillon de même taille à partir des 1088 lieux associés à des génotypes non-partagées, une moyenne de 18.34 cas (95% IC: 7.94 – 28.64) étaient dans un rayon de 15 mètres d'au moins un autre cas. Inversement, parmi 348 instances de lieux partagés, 17 (4.9%) impliquaient aussi des génotypes partagées. Conclusion : Lors d'une étude rétrospective dans laquelle la plupart des lie

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,242
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData-Driven Disease SurveillanceTravaux en français237 207