Comparison of the geographical distribution of feline immunodeficiency virus and feline leukemia virus infections in the United States of America (2000–2011)
Notice bibliographique
Résumé
BACKGROUND: Although feline immunodeficiency virus (FIV) and feline leukemia virus (FeLV) have similar risk factors and control measures, infection rates have been speculated to vary in geographic distribution over North America. Since both infections are endemic in North America, it was assumed as a working hypothesis that their geographic distributions were similar. Hence, the purpose of this exploratory analysis was to investigate the comparative geographical distribution of both viral infections. Counts of FIV (n=17,108) and FeLV (n=30,017) positive serology results (FIV antibody and FeLV ELISA) were obtained for 48 contiguous states and District of Columbia of the United States of America (US) from the IDEXX Laboratories website. The proportional morbidity ratio of FIV to FeLV infection was estimated for each administrative region and its geographic distribution pattern was visualized by a choropleth map. Statistical evidence of an excess in the proportional morbidity ratio from unity was assessed using the spatial scan test under the normal probability model. RESULTS: This study revealed distinct spatial distribution patterns in the proportional morbidity ratio suggesting the presence of one or more relevant and geographically varying risk factors. The disease map indicates that there is a higher prevalence of FIV infections in the southern and eastern US compared to FeLV. In contrast, FeLV infections were observed to be more frequent in the western US compared to FIV. The respective excess in proportional morbidity ratio was significant with respect to the spatial scan test (p < 0.05). CONCLUSIONS: The observed variability in the geographical distribution of the proportional morbidity ratio of FIV to FeLV may be related to the presence of an additional or unique, but yet unknown, spatial risk factor. Putative factors may be geographic variations in specific virus strains and rate of vaccination. Knowledge of these factors and the geographical distributions of these infections can inform recommendations for testing, management and prevention. However, further studies are required to investigate the potential association of these factors with FIV and FeLV.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».