MétaCan
Menu
Retour à la cohorte
Enregistrement W1900470260 · doi:10.1111/avj.12380

Client knowledge, attitudes and practices regarding zoonoses: a metropolitan experience

2015· article· en· W1900470260 sur OpenAlexaboutno aff
SG Steele, Siobhan M. Mor

Notice bibliographique

RevueAustralian Veterinary Journal · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)MedicineMetropolitan areaFamily medicineEnvironmental healthGeographyPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess knowledge, attitudes and practices in relation to zoonoses among pet owners. METHODS: Questionnaire completed by 81 clients attending a small animal practice in Sydney, Australia. RESULTS: Most (64.5%) clients reported that they were not concerned about contracting a disease from their pet, but 7.9% and 3.9% of clients were a little or very concerned, respectively; 23.7% of clients stated that they had not considered the possibility. Although respondents indicated that they had heard of a number of zoonoses, knowledge of animal sources and exposure pathways was generally low, particularly for the more important zoonoses in Australia such as toxoplasmosis, psittacosis and Q fever. Only 37.0%, 12.3% and 11.1%, respectively, of clients had heard of these diseases. Most respondents (84.1%) indicated that they viewed veterinarians as having the primary responsibility for providing information about zoonoses, yet less than half (48.1%) recalled ever getting information from their veterinarian. Likewise, many respondents (48.1%) indicated that medical professionals played a role in providing information about zoonoses, yet less than one-quarter (23.5%) recalled ever getting information from their doctor. CONCLUSION: The low level of knowledge among pet owners about sources and exposure pathways indicates a need to strengthen communication between veterinarians, doctors and their clients around the possible risks of zoonoses and appropriate prevention strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,214
Tête enseignante GPT0,469
Écart entre enseignants0,255 · 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'étudeObservationnel
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

Citations32
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Veterinary JournalMême sujetZoonotic diseases and public healthTravaux en français237 207