MétaCan
Menu
Retour à la cohorte

Recherche française sur les maladies infectieuses des animaux d’élevage : évolution et comparaison à la recherche mondiale

2019· article· fr· W2611335618 sur OpenAlexaboutno aff
Christian Ducrot, M. GAUTRET, Thierry Pineau, A. Jestin

Notice bibliographique

RevueINRAE Productions Animales · 2019
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueVector-Borne Animal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Une base de données bibliométrique établie à partir du Web of Science Core collection® a recensé les articles scientifiques publiés entre 2006 et 2013 dans le domaine des maladies infectieuses et zoonotiques des animaux d’élevage, incluant poissons et abeilles ; seules les revues internationales et les articles rédigés en anglais ont été considérés. La production scientifique française de ce domaine, de 400 publications par an environ, représente 4,3 % de la production scientifique mondiale. L'auteur principal de ces articles est d'équipe françcaise dans 60 % des cas, et le nombre de publications augmente de 3 % par an, à comparer à 5 % au niveau mondial. Quarante-quatre pourcents des articles portent sur les ruminants, 20 % sur les volailles, 11 % les poissons, 10 % le porc, 5 % le lapin, 4 % le cheval, 1 % les abeilles, le reste concernant différentes espèces. Le nombre d'articles est en diminution pour le lapin et le cheval, en augmentation pour les volailles, les poissons, le porc et les abeilles ; 44 % des articles portent sur des virus, 31 % sur des bactéries, 22 % sur des parasites, 5 % sur les prions. Cette distribution et les familles d'agents pathogènes étudiés sont très semblables à ce qui est produit au niveau mondial, aves des nuances. Une collaboration internationale est présente dans 62 % des cas et cette proportion augmente progresssivement. Les principaux pays partenaires sont les pays européens limitrophes de la France, aisnsi ques les États-unis et dans une moindre mesure le Canada la Chine et l'afrique du sud..

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,458
Tête enseignante GPT0,375
Écart entre enseignants0,082 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINRAE Productions AnimalesMême sujetVector-Borne Animal DiseasesTravaux en français237 207