Targeted surveillance of raccoon rabies in Québec, Canada
Notice bibliographique
Résumé
Abstract Data from wildlife disease surveillance programs are used to inform implementation of disease control (e.g., vaccination, population reduction) in space and time. We developed an approach to increase detection of raccoon rabies in raccoons ( Procyon lotor ) and skunks ( Mephitis mephitis ) of Québec, Canada, and we examined the implications of using this approach for targeted surveillance. First we modeled the probability of a rabid animal relative to environmental characteristics of sampling locations. Rabid animals were more likely to be found in low‐lying flat landscapes that had higher proportions of corn‐forest edge habitat and hay agriculture, and that were within 20 km of one or more known rabies cases. From the model, we created 2 complementary risk maps to identify areas where rabid animals were most likely to be sampled. One map accounted for habitat and known rabies case locations, and can be used to define an infection zone from which surveillance can be targeted along the periphery to determine if disease is continuing to spread. The other map only accounted for habitat and can be used to locate areas most likely to contain rabid animals when the disease is present. In a further analysis we compared the 2 most successful methods for detecting raccoon rabies in Québec, given the disease was present. Government trapping operations (active surveillance) detected more cases in the short‐term, but citizen notification (passive and enhanced) was more effective after 12 trapping days from which the initial rabies case was found. Our approach can benefit wildlife and public health agencies wanting to assess the disease status of regions by targeting surveillance to habitats most likely to contain infected animals and by defining the duration over which sampling methods are effective. © 2011 The Wildlife Society.
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 | 0,000 |
| 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 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 ».