Seasonality and zoonotic foodborne pathogens in Canada: relationships between climate and <i>Campylobacter, E</i>. <i>coli</i> and <i>Salmonella</i> in meat products
Notice bibliographique
Résumé
Infections due to Campylobacter, Escherichia coli and Salmonella pose a significant health burden in Canada, resulting in major costs to the health care system and economic impacts due to lost productivity resulting from illness. Recent literature suggests that climate may play a role in the prevalence of these pathogens along the food chain. This study used integrated surveillance data to examine associations between weather variables, serving as a proxy for climate, in agricultural areas and Campylobacter, generic E. coli and Salmonella contamination on samples of beef, poultry and swine meat products in Canada. Various temperature metrics (average, maximum and variability) were correlated with Campylobacter prevalence along the food chain. The prevalence of E. coli and Salmonella was correlated with both precipitation and temperatures metrics; however, analysis for E. coli was limited to beef and swine meats at retail settings, because prevalence in other combinations approached 100%, which obviated further analysis. Campylobacter contamination in poultry and swine at abattoir and retail settings demonstrated a seasonal trend, with increased prevalence generally from June or July through November, compared to the baseline month of December. Based on these analyses, Campylobacter is the most likely foodborne bacteria studied whose occurrence in meat products is affected by climatic changes in Canada. An exploratory analysis of data at the provincial scale, using Ontario as an example, revealed similar directional relationships between climate and bacterial prevalence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».