Generalizability and comparability of prevalence estimates in the wild bird literature: methodological and epidemiological considerations
Notice bibliographique
Résumé
Wild birds have been the focus of a great deal of research investigating the epidemiology of zoonotic bacteria and antimicrobial resistance in the environment. While enteric pathogens (e.g. Campylobacter, Salmonella, and E. coli O157:H7) and antimicrobial resistant bacteria of public health importance have been isolated from a wide variety of wild bird species, there is a considerable variation in the measured prevalence of a given microorganism from different studies. This variation may often reflect differences in certain ecological and biological factors such as feeding habits and immune status. Variation in prevalence estimates may also reflect differences in sample collection and processing methods, along with a host of epidemiological inputs related to overall study design. Because the generalizability and comparability of prevalence estimates in the wild bird literature are constrained by their methodological and epidemiological underpinnings, understanding them is crucial to the accurate interpretation of prevalence estimates. The main purpose of this review is to examine methodological and epidemiological inputs to prevalence estimates in the wild bird literature that have a major bearing on their generalizability and comparability. The inputs examined here include sample type, microbiological methods, study design, bias, sample size, definitions of prevalence outcomes and parameters, and control of clustering. The issues raised in this review suggest, among other things, that future prevalence studies of wild birds should avoid opportunistic sampling when possible, as this places significant limitations on the generalizability of prevalence data.
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 | 0,041 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».