An investigation of transportation practices in an Ontario swine system using descriptive network analysis
Notice bibliographique
Résumé
The objectives of this research were to describe the contact structure of transportation vehicles and swine facilities in an Ontario swine production system, and to assess their potential contribution to possible disease transmission over different time periods. A years' worth of data (2015) was obtained from a large swine production and data management company located in Ontario, Canada. There was a total of 155 different transportation vehicles, and 220 different farms within the study population. Two-mode networks were constructed for 1-,3-, and 7-day time periods over the entire year and were analyzed. Trends in the size of the maximum weak component and outgoing contact chain over discrete time periods were investigated using linear regression. Additionally, the number of different types of facilities with betweenness >0 and in/out degree>0 were analyzed using Poisson regression. Maximum weekly outgoing contact chain (MOCCw) contained between 2.1% and 7.1% of the study population. This suggests a potential maximum of disease spread within this population if the disease was detected within one week. Frequency of node types within MOCCw showed considerable variability; although nursery sites were relatively most frequent. The regression analysis of several node and network level statistics indicated a potential peak time of connectivity during the summer months and warrants further confirmation and investigation. The inclusion of transportation vehicles contributed to the linear increase in the maximum weekly weak component (MWCw) size over time. This finding in combination with constant population dynamics, may have been driven by the differential utilization of trucks over time. Despite known limitations of maximum weak components as an estimator of possible outbreaks, this finding suggests that transportation vehicles should be included, when possible and relevant, in the evaluation of contacts between farms.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».