Farm-level prevalence and risk factors for detection of hepatitis E virus, porcine enteric calicivirus, and rotavirus in Canadian finisher pigs.
Notice bibliographique
Résumé
Hepatitis E virus (HEV), norovirus (NoV), and rotavirus (RV) are all hypothesized to infect humans zoonotically via exposure through swine and pork. Our study objectives were to estimate Canadian farm-level prevalence of HEV, NoV [specifically porcine enteric calicivirus (PEC)], and RV in finisher pigs, and to study risk factors for farm level viral detection. Farms were recruited using the Canadian Integrated Program for Antimicrobial Resistance Surveillance (CIPARS) and FoodNet Canada on-farm sampling platforms. Six pooled groups of fecal samples were collected from participating farms, and a questionnaire capturing farm management and biosecurity practices was completed. Samples were assayed using validated real-time polymerase chain reaction (RT-PCR). We modeled predictors for farm level viral RNA detection using logistic and exact logistic regression. Seventy-two herds were sampled: 51 CIPARS herds (15 sampled twice) and 21 FoodNet Canada herds (one sampled twice). Hepatitis E virus was detected in 30/88 farms [34.1% (95% CI 25.0%, 44.5%)]; PEC in 18 [20.5% (95% CI: 13.4%, 30.0%)], and RV in 6 farms [6.8% (95% CI: 3.2%, 14.1%)]. Farm-level prevalence of viruses varied with province and sampling platform. Requiring shower-in and providing boots for visitors were significant predictors (P < 0.05) in single fixed effect mixed logistic regression analysis for detection of HEV and PEC, respectively. In contrast, all RV positive farms provided boots and coveralls, and 5 of 6 farms required shower-in. We hypothesized that these biosecurity measures delayed the mean age of RV infection, resulting in an association with RV detection in finishers. Obtaining feeder pigs from multiple sources was consistently associated with greater odds of detecting each virus.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».