MétaCan
Menu
Retour à la cohorte
Enregistrement W3029172431 · doi:10.3389/fvets.2020.00238

Livestock Challenge Models of Rift Valley Fever for Agricultural Vaccine Testing

2020· review· en· W3029172431 sur OpenAlexaff
Andrea Kroeker, Shawn Babiuk, Bradley Pickering, Jüergen A. Richt, William C. Wilson

Notice bibliographique

RevueFrontiers in Veterinary Science · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Vectors
Établissements canadiensUniversity of ManitobaCanadian Food Inspection Agency
Organismes subventionnairesNational Institute on AgingAgricultural Research ServiceNERC Biomolecular Analysis FacilityU.S. Department of Agriculture
Mots-clésRift Valley feverLivestockWildlifeOutbreakAgricultureGeographyRift valleyVirologyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Since the discovery of Rift Valley Fever virus (RVFV) in Kenya in 1930, the virus has become widespread throughout most of Africa and is characterized by sporadic outbreaks. A mosquito-borne pathogen, RVFV is poised to move beyond the African continent and the Middle East and emerge in Europe and Asia. There is a risk that RVFV could also appear in the Americas, similar to the West Nile virus. In light of this potential threat, multiple studies have been undertaken to establish international surveillance programs and diagnostic tools, develop models of transmission dynamics and risk factors for infection, and to develop a variety of vaccines as countermeasures. Furthermore, considerable efforts to establish reliable challenge models of Rift Valley fever virus have been made and platforms for testing potential vaccines and therapeutics in target species have been established. This review emphasizes the progress and insights from a North American perspective to establish challenge models in target livestock such as cattle, sheep, and goats in comparisons to other researchers' reports. A brief summary of the potential role of wildlife, such as buffalo and white-tailed deer as reservoir species will also be discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,146
Tête enseignante GPT0,356
Écart entre enseignants0,210 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetViral Infections and VectorsTravaux en français237 207