Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Human illness attribution has been recently recognized as an important tool to better inform food safety decisions. Analysis of outbreak data sets has been used for that purpose. This study was conducted to explore the usefulness of three comprehensive Canadian foodborne outbreak data sets covering 30 years for estimating food attribution in cases of gastrointestinal illness, providing Canadian food attribution estimates from a historical perspective. Information concerning the microbiological etiology and food vehicles recorded for each outbreak was standardized between the data sets. The agent-food vehicle combinations were described and analyzed for changes over time by using multiple correspondence analysis. Overall, 6,908 foodborne outbreaks were available for three decades (1976 through 2005), but the agent and the food vehicle were identified in only 2,107 of these outbreaks. Differences between the data sets were found in the distribution of the cause, the vehicle, and the location or size of the outbreaks. Multiple correspondence analysis revealed an association between Clostridium botulinum and wild meat and between C. botulinum and seafood. This analysis also highlighted changes in food attribution over time and generated the most up-to-date food attribution values for salmonellosis (29% of cases associated with produce, 15% with poultry, and 15% with meat other than poultry, pork, and beef), campylobacteriosis (56% of cases associated with poultry and 22% with dairy products other than fluid milk), and Escherichia coli infection (37% of cases associated with beef, 23% with cooked multi-ingredient dishes, and 11% with meat other than beef, poultry, and pork). Because of the inherent limitations of this approach, only the main findings should be considered for policy making. The use of other human illness attribution approaches may provide further clarification.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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