Serology in Finfish for Diagnosis, Surveillance, and Research: A Systematic Review
Notice bibliographique
Résumé
Historically, serological tests for finfish diseases have been underused when compared with their use in terrestrial animal health. For years the nonspecific immune response in fish was judged to make serology unreliable and inferior to the direct measurement of agent analytes. We conducted a systematic review of peer-reviewed publications that reported on the development, validation, or application of serological tests for finfish diseases. A total of 168 articles met the screening criteria; most of them were focused on salmonid pathogens (e.g., Aeromonas spp. and viral hemorrhagic septicemia virus). Before the 1980s, most publications reported the use of agglutination tests, but our review indicates that enzyme-linked immunosorbent assay (ELISA) has more recently become the dominant serological test. The main application of serological tests has been in the assessment of vaccine efficacy, with few applications for surveillance or demonstration of freedom from disease, despite the advantages of serological tests over direct detection at the population level. Nonlethal sampling, low cost, and postinfection persistence of antibodies make serological assays the test of choice in surveillance, especially of valuable broodstock. However, their adoption has been constrained by poor characterization and validation. The number of publications in our review reporting diagnostic sensitivity and specificity of serological tests in finfish was small (n = 7). Foreseeing a wider use of serological tests in the future for diagnostic end purposes, we offer recommendations for mitigating deficiencies in the development and evaluation of serological tests, including optimization, control of nonspecific reactions, informed cutoff points, diagnostic accuracy, and serological baseline studies. Achieving these goals will facilitate greater international recognition of serological testing in programs supporting aquatic animal health. Received March 21, 2016; accepted September 24, 2016.
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 | 0,008 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».