MétaCan
Menu
Retour à la cohorte
Enregistrement W2394833570 · doi:10.1177/026119291404200305

Perceived Barriers to the Adoption of Alternatives to Laboratory Animal Use for Rabies Diagnosis

2014· article· en· W2394833570 sur OpenAlexaff
Vanessa Carli Bones, Heloisa Cristina Clemente, Daniel M. Weary, Carla Forte Maiolino Molento

Notice bibliographique

RevueAlternatives to Laboratory Animals · 2014
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesVanderbilt-Ingram Cancer Center
Mots-clésRabiesRabies virusVirus isolationIsolation (microbiology)Work (physics)MedicineVeterinary medicineBusinessVirologyBiologyEngineeringVirus

Résumé

récupéré en direct d'OpenAlex

The use of laboratory animals is still common practice, but some uses can be replaced by alternative methods, such as Virus Isolation in Cell Culture (VICC) instead of the Mouse Inoculation Test (MIT) for rabies diagnosis. The objective of this work was to describe current rabies diagnosis methods in Brazil and other countries, and the constraints associated with replacing this use of mice with alternative methods. Nine out of 12 Brazilian and 14 out of 43 non-Brazilian respondents reported that they currently used the MIT. Respondents in countries other than Brazil, male respondents, and those already employing in vitro methods for rabies diagnosis, expressed higher levels of support for the use of alternatives. The most frequently reported constraints associated with the use of alternatives were lack of laboratory facilities, equipment and materials (cited 17 times by respondents), and lack of financial resources (cited 15 times). The results indicate that many laboratories continue to use mice for rabies diagnosis. The proportion of laboratories that use mice appears to be especially high in Brazil, despite animal protection laws and technical guidelines that favour the use of alternatives. The barriers to the adoption of alternative methods identified in the current study provide a basis for facilitating changes in Brazil and elsewhere.

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)0,009
score de la tête « metaresearch » (Gemma)0,028
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 enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,282
Écart entre enseignants0,264 · 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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlternatives to Laboratory AnimalsMême sujetRabies epidemiology and controlTravaux en français237 207