MétaCan
Menu
Retour à la cohorte
Enregistrement W2755735059 · doi:10.1080/17513758.2017.1375164

Understanding the effects of intermittent shedding on the transmission of infectious diseases: example of salmonellosis in pigs

2017· article· en· W2755735059 sur OpenAlexaff
Glenn Lahodny, Raju Gautam, Renata Ivanek

Notice bibliographique

RevueJournal of Biological Dynamics · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesNational Science Foundation
Mots-clésTransmission (telecommunications)BiologyVirologyDisease transmissionComputer science

Résumé

récupéré en direct d'OpenAlex

A number of environmentally transmitted infectious diseases are characterized by intermittent infectiousness of infected hosts. However, it is unclear whether intermittent infectiousness must be explicitly accounted for in mathematical models for these diseases or if a simplified modelling approach is acceptable. To address this question we study the transmission of salmonellosis between penned pigs in a grower-finisher facility. The model considers indirect transmission, growth of free-living Salmonella within the environment, and environmental decontamination. The model is used to evaluate the role of intermittent fecal shedding by comparing the behaviour of the model with constant versus intermittent infectiousness. The basic reproduction number, [Formula: see text], is used to determine the long-term behaviour of the model regarding persistence or extinction of infection. The short-term behaviour of the model, relevant to swine production, is considered by examining the prevalence of infection at slaughter. Comparison of the two modelling approaches indicates that neglecting the intermittent pattern of infectiousness can result in biased estimates for [Formula: see text] and infection prevalence at slaughter. Therefore, models for salmonellosis or similar infections should explicitly account for the mechanism of intermittent infectiousness.

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)0,003
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 enseignants0,035
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,083
Tête enseignante GPT0,331
Écart entre enseignants0,248 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological DynamicsMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207