Food-Specific Attribution of Selected Gastrointestinal Illnesses: Estimates from a Canadian Expert Elicitation Survey
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
The study used a structured expert elicitation survey to derive estimates of food-specific attribution for nine illnesses caused by enteric pathogens in Canada. It was based on a similar survey conducted in the United States and focused on Campylobacter spp., Escherichia coli O157:H7, Listeria monocytogenes, nontyphoidal Salmonella enterica, Shigella spp., Vibrio spp., Yersinia enterocolitica, Cryptosporidium parvum, and Norwalk-like virus. A snowball approach was used to identify food safety experts within Canada. Survey respondents provided background information as well as self-assessments of their expertise for each pathogen and the 12 food categories. Depending on the pathogen, food source attribution estimates were based on responses from between 10 and 35 experts. For each pathogen, experts divided their estimates of total foodborne illness across 12 food categories and they provided a best estimate for each category as well as 5th and 95th percentile limits for foods considered to be vehicles. Their responses were treated as triangular probability distributions, and linear aggregation was used to combine the opinions of each group of experts for each pathogen-food source group. Across the 108 pathogen-food groups, a majority of experts agreed on 30 sources and 48 nonsources for illness. The number of food groups considered to be pathogen sources by a majority of experts varied by pathogen from a low of one food source for Vibrio spp. (seafood) and C. parvum (produce) to a high of seven food sources for Salmonella spp. Beta distributions were fitted to the aggregated opinions and were reasonable representations for most of the pathogen-food group attributions. These results will be used to quantitatively assess the burden of foodborne illness in Canada as well as to analyze the uncertainty in our estimates.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle