MétaCan
Menu
Retour à la cohorte
Enregistrement W1970060902 · doi:10.1089/fpd.2006.3.36

Building PulseNet International: An Interconnected System of Laboratory Networks to Facilitate Timely Public Health Recognition and Response to Foodborne Disease Outbreaks and Emerging Foodborne Diseases

2006· article· en· W1970060902 sur OpenAlexaffabout
Bala Swaminathan, Peter Gerner‐Smidt, Lai-King Ng, Susanna Lukinmaa, Kai‐Man Kam, Sharon Rolando, Enrique Pérez Gutiérrez, Norma Binsztein

Notice bibliographique

RevueFoodborne Pathogens and Disease · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésOutbreakPublic healthWarning systemSubtypingEnvironmental healthLatin AmericansDiseaseEarly warning systemDisease surveillanceMedicineBusinessGeographyPolitical scienceComputer scienceVirologyTelecommunicationsPathology

Résumé

récupéré en direct d'OpenAlex

PulseNet USA, the national molecular subtyping network for foodborne disease surveillance, began functioning in the United States in 1996 and soon established itself as a critical early warning system for foodborne disease outbreaks, particularly those in which cases may be geographically dispersed. The PulseNet network is now being replicated in different ways in Canada, Europe, the Asia Pacific region, and Latin America. These independent networks work together in PulseNet International allowing public health officials and laboratorians to share molecular epidemiologic information in real-time and enabling rapid recognition and investigation of multi-national foodborne disease outbreaks. Routine communication between the various international PulseNet networks will provide early warning on foodborne disease outbreaks to participating public health institutions and countries.

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)0,009
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0020,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,047
Tête enseignante GPT0,249
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations229
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodborne Pathogens and DiseaseMême sujetSalmonella and Campylobacter epidemiologyTravaux en français237 207