MétaCan
Menu
Retour à la cohorte
Enregistrement W3011968695 · doi:10.22630/aspe.2018.17.3.44

SOCIO-ECONOMIC IMPACTS OF EPIDEMIC DISEASES OF FARM ANIMALS

2018· article· en· W3011968695 sur OpenAlexaboutno aff
Aldona Zawojska, Tomasz Siudek

Notice bibliographique

RevueActa Scientiarum Polonorum - Oeconomia · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBovine spongiform encephalopathyOutbreakEconomic impact analysisAnimal welfareGovernment (linguistics)Economic welfareClassical swine feverEconomic costWelfareEconomicsBusinessDiseaseMedicineBiologyVirologyMarket economy

Résumé

récupéré en direct d'OpenAlex

Based on desk research and literature review, the paper identifies the effects of farm animal disease outbreaks from the economic perspective. It provides a brief overview of broad impacts of trans-boundary animal diseases such as Bovine Spongiform Encephalopathy (BSE) and Foot and Mouth Disease (FMD) on the economy and society. It also presents a synthetic summary of the results of several studies dealing with the assessment and estimation of the costs of BSE and FMD epidemics in selected countries. The two epidemics were costly, both in monetary and non-monetary terms. Assessed direct and indirect economic losses were equivalent to several billion US dollars or euro in the countries under consideration. The economies depending on the export of live animals and meat products (e.g. the UK and Canada) were particularly affected. The economic welfare losses from hypothetical FMD outbreak in the USA could exceed a hundred billion US dollars. From the political perspective, government-run policies aimed at controlling and eradicating dangerous animal diseases seem to find the justification primarily in economic rationality or international competitiveness arguments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Scientiarum Polonorum - OeconomiaMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207