MétaCan
Menu
Retour à la cohorte
Enregistrement W3047169130 · doi:10.1139/facets-2020-0007

Amphibian ranaviruses in Europe: important directions for future research

2020· article· en· W3047169130 sur OpenAlexvenueno aff
Lewis J. Campbell, Alice H. Pawlik, Xavier A. Harrison

Notice bibliographique

RevueFACETS · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Vectors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanavirusAmphibianBiologyHost (biology)MicrobiomeEcologyZoologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Ranaviruses are an emerging group of pathogens capable of infecting all cold-blooded vertebrates. In Europe, ranaviruses pose a particularly potent threat to wild amphibian populations. Since the 1980s research on amphibian-infecting ranaviruses in Europe has been growing. The wide distribution of amphibian populations in Europe, the ease with which many are monitored, and the tractable nature of counterpart ex situ experimental systems have provided researchers with a unique opportunity to study many aspects of host–ranavirus interactions in the wild. These characteristics of European amphibian populations will also enable researchers to lead the way as the field of host–ranavirus interactions progresses. In this review, we provide a summary of the current key knowledge regarding amphibian infecting ranaviruses throughout Europe. We then outline important areas of further research and suggest practical ways each could be pursued. We address the study of potential interactions between the amphibian microbiome and ranaviruses, how pollution may exacerbate ranaviral disease either as direct stressors of amphibians or indirect modification of the amphibian microbiome. Finally, we discuss the need for continued surveillance of ranaviral emergence in the face of climate change.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,170
Tête enseignante GPT0,422
Écart entre enseignants0,252 · 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'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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetViral Infections and VectorsTravaux en français237 207