MétaCan
Menu
Retour à la cohorte
Enregistrement W2334232668 · doi:10.1017/s0950268813002781

Weather and livestock risk factors for <i>Escherichia coli</i> O157 human infection in Alberta, Canada

2014· article· en· W2334232668 sur OpenAlexafffundabout
Nadia Bifolchi, Pascal Michel, James Talbot, Lawrence W. Svenson, Kim Simmonds, Sylvia Checkley, Linda Chui, Paul T. Dick, Jeff Wilson

Notice bibliographique

RevueEpidemiology and Infection · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensProvincial Laboratory of Public HealthInstitute of Health EconomicsAlberta Health ServicesEcoMetrixPublic Health Agency of CanadaAlberta HealthUniversity of Guelph
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésPoisson regressionLivestockNegative binomial distributionCovariateVeterinary medicineRegression analysisPoisson distributionPopulationStatisticsGeographyEnvironmental healthMedicineMathematicsForestry

Résumé

récupéré en direct d'OpenAlex

This study investigated the extent to which proximity to cattle and weather events in Alberta predispose human populations to E. coli O157 disease. Cases of human E. coli O157 infection in Alberta between 2004 and 2011 were obtained from the province's Communicable Disease Reporting System and Discharge Abstract Database. Regression models based on spatial area incorporated human infection data with livestock and weather covariates. A variety of regression models were applied (i.e. least squares, spatial lag/error, Poisson, negative binomial) to test the most appropriate approach. Ratios for the total number of calves, bulls and beef cows to human population were highlighted as significant cattle density variables in all final best-fitting models. Weather variables were not significant in final regression models averaged over the full study period. Our results provide evidence of a significant association between measures of cattle density and human E. coli O157 disease in Alberta.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,253
Écart entre enseignants0,226 · 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

Citations9
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEpidemiology and InfectionMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207