MétaCan
Menu
Retour à la cohorte
Enregistrement W2582213674 · doi:10.22434/ifamr2016.0177

Factors affecting cattle producers’ willingness to adopt an Escherichia coli O157:H7 vaccine: a probit analysis

2017· article· en· W2582213674 sur OpenAlexafffundabout
Brian J. Ochieng’, Jill E. Hobbs

Notice bibliographique

RevueThe International Food and Agribusiness Management Review · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMinistry of Agriculture - Saskatchewan
Mots-clésBusinessIncentiveFood safetyOrdered probitPsychological interventionMultivariate probit modelMarketingAgricultural scienceBiotechnologyPublic economicsEconomicsFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

E. coli O157:H7 bacteria – a major cause of foodborne illness – occur naturally in the intestine of cattle but do not affect the health or productivity of the animal. A cattle vaccine that significantly reduces the risk of E. coli contamination was developed and commercialized in Canada and internationally, however, adoption by cattle producers remained extremely low. Utilizing data from a survey of cow-calf producers in western Canada, this paper examines the factors affecting cattle producers’ willingness to adopt the E. coli vaccine. Education, prior awareness of the vaccine, perception of who holds primary responsibility for E. coli risk reduction, and a producer’s external (versus internal) locus of control with respect to their ability to mitigate E. coli risks within the production environment are significant determinants of willingness to adopt. Adoption incentives are also evaluated, including policy interventions, market/supply chain incentives, production protocol, and producer reputation incentives. The analysis provides lessons for the development and commercialization of vaccines and other food safety intervention strategies that yield societal and supply chain benefits beyond the individual adopter.

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)0,000
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 enseignants0,416
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,059
Tête enseignante GPT0,296
Écart entre enseignants0,236 · 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

Citations3
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Food and Agribusiness Management ReviewMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207