MétaCan
Menu
Retour à la cohorte
Enregistrement W2105331507 · doi:10.1111/j.1948-7134.2011.00133.x

Comparison of various configurations of CDC-type traps for the collection of Phlebotomus papatasi Scopoli in southern Israel

2011· article· en· W2105331507 sur OpenAlexaboutno aff
Daniel L. Kline, Jerome A. Hogsette, Günter C. Müller

Notice bibliographique

RevueJournal of Vector Ecology · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueResearch on Leishmaniasis Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyPhlebotomusType (biology)ZoologyVirologyEcologyParasite hostingLeishmania

Résumé

récupéré en direct d'OpenAlex

We conducted two experiments to determine the best CDC-trap configuration for catching male and female Phlebotomus papatasi. First, visual features were evaluated. Standard CDC traps were modified to have black or white catch bags, black or white lids, or no lids and these were tried in different combinations. Significantly more male sand flies were caught by darker traps; significantly more females were captured by traps with either all black or a combination of black and white features. Attraction may be due to dark color or contrast in colors. CDC traps with suction and the following features were also evaluated: no light; incandescent light; ultraviolet (UV) light; combination of black color, heat and moisture; CO(2) alone, or a combination of black color, heat, moisture, and CO(2) simultaneously, all in upright and inverted positions, with the opening for insect entry always 50 cm above the ground. Significantly more females than males were caught by all traps (standard and inverted) except the control traps with suction only. Traps with CO(2) caught more sand flies than traps without CO(2.) Traps with black color, heat and moisture captured significantly more sand flies than the control traps, but with the addition of CO(2) , these traps catch significantly more sand flies than the other traps evaluated. Inverting traps increased the catch for like traps by about two times.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,112
Tête enseignante GPT0,387
Écart entre enseignants0,275 · 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'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

Citations29
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vector EcologyMême sujetResearch on Leishmaniasis StudiesTravaux en français237 207