Vector-Borne Diseases - constant challenge for practicing veterinarians: recommendations from the CVBD World Forum
Notice bibliographique
Résumé
The human-animal bond has been a fundamental feature of mankind's history for millennia. The first, and strongest of these, man's relationship with the dog, is believed to pre-date even agriculture, going back as far as 30,000 years. It remains at least as powerful today. Fed by the changing nature of the interactions between people and their dogs worldwide and the increasing tendency towards close domesticity, the health of dogs has never played a more important role in family life. Thanks to developments in scientific understanding and diagnostic techniques, as well as changing priorities of pet owners, veterinarians are now able, and indeed expected, to play a fundamental role in the prevention and treatment of canine disease, including canine vector-borne diseases (CVBDs).The CVBDs represent a varied and complex group of diseases, including anaplasmosis, babesiosis, bartonellosis, borreliosis, dirofilariosis, ehrlichiosis, leishmaniosis, rickettsiosis and thelaziosis, with new syndromes being uncovered every year. Many of these diseases can cause serious, even life-threatening clinical conditions in dogs, with a number having zoonotic potential, affecting the human population.Today, CVBDs pose a growing global threat as they continue their spread far from their traditional geographical and temporal restraints as a result of changes in both climatic conditions and pet dog travel patterns, exposing new populations to previously unknown infectious agents and posing unprecedented challenges to veterinarians.In response to this growing threat, the CVBD World Forum, a multidisciplinary group of experts in CVBDs from around the world which meets on an annual basis, gathered in Nice (France) in 2011 to share the latest research on CVBDs and discuss the best approaches to managing these diseases around the world.As a result of these discussions, we, the members of the CVBD Forum have developed the following recommendations to veterinarians for the management of CVBDs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,025 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,013 |
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 source (Gemma direct ou Codex distillé), 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 ».