MétaCan
Menu
Retour à la cohorte
Enregistrement W2980400214 · doi:10.1017/s0950268819001791

Foodborne viral outbreaks associated with frozen produce

2019· review· en· W2980400214 sur OpenAlexafffund
Neda Nasheri, Adrian Vester, Nicholas Petronella

Notice bibliographique

RevueEpidemiology and Infection · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensHealth Canada
Organismes subventionnairesHealth Canada
Mots-clésOutbreakNorovirusFood contaminantInfectivityHepatitis a virusHepatitis AContaminationMedicineVirologyFood scienceEnvironmental healthBiologyVirusHepatitisEcology

Résumé

récupéré en direct d'OpenAlex

Over the past decade, frozen fruits have been a major vehicle of foodborne illnesses mainly attributed to norovirus (NoV) and hepatitis A virus (HAV) infections. Fresh produce may acquire viral contamination by direct contact with contaminated surface, water or hands, and is then frozen without undergoing proper decontamination. Due to their structural integrity, foodborne viruses are able to withstand hostile conditions such as desiccation and freezing, and endure for a long period of time without losing their infectivity. Additionally, these foods are often consumed raw or undercooked, which increases the risk of infection. Herein, we searched published literature and databases of reported outbreaks as well as the databases of news articles for the viral outbreaks associated with the consumption of frozen produce between January 2008 and December 2018; recorded the worldwide distribution of these outbreaks; and analysed the implication of consumption of different types of contaminated frozen food. In addition, we have briefly discussed the factors that contribute to an increased risk of foodborne viral infection following the consumption of frozen produce. Our results revealed that frozen fruits, especially berries and pomegranate arils, contributed to the majority of the outbreaks, and that most outbreaks were reported in industrialised countries.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,119
Tête enseignante GPT0,401
Écart entre enseignants0,282 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEpidemiology and InfectionMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207