MétaCan
Menu
Retour à la cohorte
Enregistrement W2078005185 · doi:10.1111/j.1744-7976.2007.00103.x

Farm Economics of Bird Flu

2007· article· en· W2078005185 sur OpenAlexvenueno aff
Robert Beach, Christine Poulos, Subhrendu K. Pattanayak

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésInfluenza A virus subtype H5N1OutbreakIncentiveAgricultureGovernment (linguistics)Investment (military)Public healthPublic investmentPrivate sectorBusinessDevelopment economicsPublic economicsEconomic growthEconomicsPolitical scienceGeographyBiologyMedicinePublic welfareMarket economy

Résumé

récupéré en direct d'OpenAlex

Outbreaks of infectious animal diseases represent a major threat to agriculture and can impose significant social and economic costs. The potential for devastating epidemics, such as the recent outbreaks of highly pathogenic avian influenza (HPAI) in Asia, Europe, and Africa, has prompted major global investments in animal disease prevention and control, both public and private. However, there has been little research into the effects of alternative public policies on farm‐level actions to prevent and control HPAI and the implications for disease impacts. Animal disease management involves both ex ante investments to reduce the probability of infection and ex post actions to contain the spread of disease once introduced. The public sector can play an important part in disease mitigation through provision of public disease prevention and control. Another vital role for government in mitigating the potential impacts of HPAI is in the development of well‐designed policies to induce socially optimal ex ante private investment while providing incentives for truthful disclosure of disease status. This study employs an economic epidemiology framework to examine the effects of farmer behavior on disease introduction and transmission and to analyze the effects of public policy decisions under alternative scenarios. Les éclosions de maladies animales infectieuses représentent une menace importante pour l’agriculture et peuvent entraîner des coûts socio‐économiques considérables. L’éventualité d’épidémies dévastatrices, telles que les récentes flambées d’influenza aviaire hautement pathogène (IAHP) en Asie, en Europe et en Afrique, a suscité d’importants investissements publics et privés à l’échelle mondiale pour prévenir et lutter contre ces maladies. Cependant, peu de recherches se sont penchées sur les effets des politiques publiques de rechange sur les mesures prises à la ferme pour prévenir et lutter contre l’IAHP et les répercussions des maladies. La gestion des maladies animales nécessite des investissements ex ante pour diminuer la probabilité d’infection et des mesures ex poste pour contenir la propagation d’une maladie une fois introduite. Le secteur public peut jouer un rôle important dans l’atténuation d’une maladie en instaurant des programmes publics de prévention et de lutte. Pour atténuer les conséquences potentielles de l’IAHP, le gouvernement peut élaborer des politiques efficaces pour inciter des investissements privés ex ante socialement optimaux tout en offrant des stimulants pour encourager la divulgation véridique de la situation zoosanitaire. Dans la présente étude, nous avons utilisé un cadre épidémiologique et économique pour examiner les conséquences du comportement de l’exploitant agricole sur l’introduction et la transmission des maladies et pour analyser les conséquences des décisions de politique publique selon divers scénarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,173
Écart entre enseignants0,143 · 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 tête enseignante, 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

Citations36
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207