論文の概要: Predicting Antimicrobial Resistance (AMR) in Campylobacter, a Foodborne Pathogen, and Cost Burden Analysis Using Machine Learning

• arxiv url: http://arxiv.org/abs/2509.03551v1
• Date: Wed, 03 Sep 2025 00:56:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:09.922517
• Title: Predicting Antimicrobial Resistance (AMR) in Campylobacter, a Foodborne Pathogen, and Cost Burden Analysis Using Machine Learning
• Title（参考訳）: 食品病原体カンピロバクターの抗微生物抵抗性(AMR)予測と機械学習によるコストバーデン分析
• Authors: Shubham Mishra, The Anh Han, Bruno Silvester Lopes, Shatha Ghareeb, Zia Ush Shamszaman,
• Abstract要約: 抗微生物抵抗性(AMR)は、公衆衛生と経済的課題、治療費の増大、抗生物質の有効性の低下を引き起こす。 本研究は、分子型付けおよび微生物ゲノム多様性のための公共データベースからのゲノムおよび疫学的データを機械学習を用いて解析する。 2001年から2017年にかけてイギリスで採取されたCampylobacter jejuniおよびCampylobacter coliのAMRパターンを同定した。
• 参考スコア（独自算出の注目度）: 0.7611554147649757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Antimicrobial resistance (AMR) poses a significant public health and economic challenge, increasing treatment costs and reducing antibiotic effectiveness. This study employs machine learning to analyze genomic and epidemiological data from the public databases for molecular typing and microbial genome diversity (PubMLST), incorporating data from UK government-supported AMR surveillance by the Food Standards Agency and Food Standards Scotland. We identify AMR patterns in Campylobacter jejuni and Campylobacter coli isolates collected in the UK from 2001 to 2017. The research integrates whole-genome sequencing (WGS) data, epidemiological metadata, and economic projections to identify key resistance determinants and forecast future resistance trends and healthcare costs. We investigate gyrA mutations for fluoroquinolone resistance and the tet(O) gene for tetracycline resistance, training a Random Forest model validated with bootstrap resampling (1,000 samples, 95% confidence intervals), achieving 74% accuracy in predicting AMR phenotypes. Time-series forecasting models (SARIMA, SIR, and Prophet) predict a rise in campylobacteriosis cases, potentially exceeding 130 cases per 100,000 people by 2050, with an economic burden projected to surpass 1.9 billion GBP annually if left unchecked. An enhanced Random Forest system, analyzing 6,683 isolates, refines predictions by incorporating temporal patterns, uncertainty estimation, and resistance trend modeling, indicating sustained high beta-lactam resistance, increasing fluoroquinolone resistance, and fluctuating tetracycline resistance.
• Abstract（参考訳）: 抗微生物抵抗性(AMR)は、公衆衛生と経済的課題、治療費の増大、抗生物質の有効性の低下を引き起こす。 本研究は、分子型付けおよび微生物ゲノム多様性(PubMLST)のための公開データベースからのゲノムおよび疫学的データを機械学習を用いて分析し、英国政府が支援する食品基準局(英語版)および食品基準局(英語版)によるAMR監視データを取り入れた。 2001年から2017年にかけてイギリスで採取されたCampylobacter jejuniおよびCampylobacter coliのAMRパターンを同定した。 この研究は、全ゲノムシークエンシング(WGS)データ、疫学的メタデータ、経済予測を統合し、主要な抵抗決定因子を特定し、将来の抵抗傾向と医療費を予測する。 フルオロキノロン耐性のgyrA変異とテトラサイクリン耐性のtet(O)遺伝子について検討し,ブートストラップ再サンプリングによるランダムフォレストモデル(1000サンプル,95%信頼区間)を訓練し,AMR表現型を予測する精度を74%向上させた。 時系列予測モデル(SARIMA、SIR、Prophet)は、2050年までに10万人あたり130件を超えるカンピロバクテリア症が増加し、未確認の場合には年間19億GBPを超えると予測している。 6,683の分離を解析し、時間パターン、不確実性推定、抵抗傾向モデリングを取り入れて予測を洗練し、高いβ-ラクタム耐性の持続、フルオロキノロン耐性の増大、テトラサイクリン耐性の変動を示す。

関連論文リスト

• Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers [44.735350554750916]
  われわれはインスリン抵抗性の研究のために、米国全土でこれまでで最大のデータセットをリモートで採用しました。 ディープニューラルネットワークモデルは、簡単に利用可能なデジタルバイオマーカーと血液バイオマーカーに基づいてインスリン抵抗を予測するために開発された。 モデルでは、肥満および妊娠中の被験者の93%の感度と95%の調整された特異性を示した。
  論文  参考訳（メタデータ） (2025-04-30T16:10:20Z)
• Exploring the Feasibility of Deep Learning Models for Long-term Disease Prediction: A Case Study for Wheat Yellow Rust in England [6.760255060153002]
  本研究は,イギリスにおけるコムギ黄さびの発生予測に深層学習モデルの適用可能性について検討した。 完全に接続されたニューラルネットワークと長時間の短期記憶を含む2つのディープラーニングモデルを採用しています。 予備的な結果は、深層学習モデルが、病気のダイナミクスに影響を与える複数の要因間の複雑な相互作用を効果的に捉えることができることを示している。
  論文  参考訳（メタデータ） (2025-01-26T21:22:54Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Predicting Antimicrobial Resistance in the Intensive Care Unit [5.129856875153228]
  本研究は,臨床および微生物学的予測器を用いたAMRの予測モデルを開発する。 培養前の抵抗を正確に予測できる能力は、臨床的な意思決定を知らせ、行動までの時間を短縮する可能性がある。
  論文  参考訳（メタデータ） (2021-11-05T15:50:34Z)
• Assessing putative bias in prediction of anti-microbial resistance from real-world genotyping data under explicit causal assumptions [3.795323061432507]
  サンプリングが非ランダム化されているため、AMR予測ツールの開発にはバイアスがかかる。 遺伝子型・フェノタイプAMRデータを用いたAMR予測における確率に基づく再バランスと共起調整の有効性を評価した。
  論文  参考訳（メタデータ） (2021-07-06T21:19:21Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。