Sérovars de Salmonella enterica associés à des bactériémies au Canada, 2006 à 2019
Bibliographic record
Abstract
Contexte : Les membres du genre bactérien Salmonella sont à l’origine de la salmonellose, une maladie dont les manifestations cliniques varient d’une gastro-entérite autolimitée à une bactériémie plus grave, une défaillance organique et une septicémie. Le genre se compose de plus de 2 600 variantes sérologiques (sérovars). On a remarqué des différences importantes dans la pathogenèse des sérovars de Salmonella. Objectif : Le but de cette étude était de déterminer quels sérovars de Salmonella étaient plus susceptibles d’être associés à des bactériémies au Canada. Méthodes : Pour chaque sérovar, on a extrait les informations sur le nombre total d’infections à Salmonella et d’isolats sanguins signalés au Programme national de surveillance des maladies entériques de 2006 à 2019. Le risque (proportion) et la probabilité (cote) de bactériémie ont été calculés pour tous les sérovars. Résultats : Sur les 96 082 cas de salmonellose signalés au Programme national de surveillance des maladies entériques pendant la période d’étude de 14 ans, 4,4 % (IC 95 % : 4,3 %–4,6 %) étaient bactériémiques. Vingt sérovars de Salmonella non typhique ont été associés à des taux plus faibles de bactériémie par rapport à tous les sérovars de Salmonella non typhique, et 19 sérovars de Salmonella non typhique ont été identifiés comme ayant des taux plus élevés, Heidelberg, Oranienburg, Schwarzengrund, Virchow, Panama et Poona comptant parmi les 25 sérovars les plus fréquemment signalés au Canada pendant la période d’étude. Conclusion : L’identification des sérovars associés aux bactériémies à Salmonella au Canada est un premier pas vers la compréhension des différences dans la pathogenèse et la présentation de la maladie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".