Primary study of seroprevalence to virus pathogens in wild felids of South Primorie, Russia
Notice bibliographique
Résumé
Seroprevalence to nine different virus pathogens was estimated for Russian big cats (Amur tiger (Panthera tigris altaica Temminck, 1844) and far-eastern leopard (Panthera pardus orientalis (Schiegel, 1857))) in Southern Primorie, Russia (n = 25), in 2008–2016. Serum samples from smaller cats (Eurasian lynx (Lynx lynx (Linnaeus, 1758)) and far-eastern wildcat (leopard cat) (Prionailurus bengalensis euptilurus (Elliot, 1871))) were also tested for these pathogens (n = 19) during the same period. Felids of Russian Southern Primorie showed seroprevalence to eight out of nine tested pathogens, including highly dangerous feline immunodeficiency virus, feline leukemia virus, and canine distemper virus. Antibodies to feline panleukopenia virus were found to be much more widespread in cats (45%) than antibodies to any other virus. They were detected in samples taken from tigers, leopards, and far-eastern wildcats but not lynxes. Antibodies to pseudorabies virus were detected only in Amur tiger (29%), whose main prey is the most common carrier of the virus (wild boar), unlike for the other studied cats’ species.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».