MétaCan
Menu
Retour à la cohorte
Enregistrement W2889025948 · doi:10.14745/ccdr.v40i14a02

Estimating the burden of food-borne illness in Canada

2014· article· en· W2889025948 sur OpenAlexafffundvenueabout
M. Kate Thomas, Regan Murray

Notice bibliographique

RevueCanada Communicable Disease Report · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésEnvironmental healthPublic healthCampylobacterMedicineNorovirusFood safetyAgency (philosophy)Psychological interventionDisease burdenDiseaseBurden of diseaseBusinessPopulationOutbreak

Résumé

récupéré en direct d'OpenAlex

The Public Health Agency of Canada estimates that each year about 1 in 8 Canadians (4 million people) get sick from the food they eat. Four pathogens cause about 90% of the 1.6 million illnesses caused by known pathogens: Norovirus (1 million cases), Clostridium perfringens (177,000 cases), Campylobacter (145,000 cases) and nontyphoidal Salmonella (88,000 cases). These estimates are based on multiple complementary disease surveillance systems and the peer-reviewed literature. Understanding the burden of food-borne illness is useful for decision-makers, supporting the development of food safety and public health interventions, for research and for consumer education. Future efforts will focus on estimating the number of food-borne hospitalizations and deaths, the economic cost of food-borne illness and the burden of water-borne illness in order to provide crucial information to support research, policy and action.

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 enseignants0,162
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,019
Tête enseignante GPT0,277
Écart entre enseignants0,258 · 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

Citations16
Publié2014
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanada Communicable Disease ReportMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207