Optimising the detectability of H5N1 and H5N6 highly pathogenic avian influenza viruses in Vietnamese live-bird markets
Notice bibliographique
Résumé
Live bird markets (LBMs) are major targets for avian influenza virus (AIV) surveillance programmes. While sampling the LBM environment has become a widely used alternative to the labour-intensive sampling of live poultry, the design of surveillance programmes and the interpretation of their results are compromised by the lack of knowledge about the effectiveness of these sampling strategies. We used latent class models and a unique empirical dataset collated in Vietnamese LBMs to estimate the sensitivity and specificity of five different sample types for detecting AIVs subtypes H5N1 and H5N6: oropharyngeal duck samples, solid and liquid wastes, poultry drinking water and faeces. Results suggest that the sensitivity of environmental samples for detecting H5N1 viruses is equivalent to that of oropharyngeal duck samples; however, taking oropharyngeal duck samples was estimated to be more effective in detecting H5N6 viruses than taking any of the four environmental samples. This study also stressed that the specificity of the current surveillance strategy in LBMs was not optimal leading to some false positive LBMs. Using simulations, we identified 42 sampling strategies more parsimonious than the current strategy and expected to be highly sensitive for both viruses at the LBM level. All of these strategies involved the collection of both environmental and oropharyngeal duck samples.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».