MétaCan
Menu
Retour à la cohorte
Enregistrement W3080121060 · doi:10.3390/pathogens9090707

Streptococcus suis Research: Progress and Challenges

2020· editorial· en· W3080121060 sur OpenAlexafffund
Mariela Segura

Notice bibliographique

RevuePathogens · 2020
Typeeditorial
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésStreptococcus suisAntibiotic resistanceDiseaseVaccinationPopulationPublic healthAntimicrobialTransmission (telecommunications)EpidemiologyLivestockIncidence (geometry)BiologyEnvironmental healthMedicineImmunologyMicrobiologyAntibioticsPathology

Résumé

récupéré en direct d'OpenAlex

Streptococcus suis is considered among the top bacterial pathogens leading to important economic losses to the swine industry, with the incidence of disease increasing as the prophylactic use of antimicrobial is being vanished worldwide. S. suis is also a zoonotic agent afflicting people in close contact with infected pigs or pork meat. Besides, in some Asian countries, it is considered a major public health concern for the general population as well. Antimicrobial resistance is one of the most important global health challenges, and in the absence of preventive measures (such as effective vaccines), S. suis remains a risk for increased antimicrobial resistance and transmission of resistance genes to other bacteria beyond the host animal species. The studies in this Special Issue have evidenced the importance of swine population demographics and management on disease control, progress in molecular tools to better understand the epidemiology of S. suis infections in swine and humans, and the mechanisms involved in different aspects of the immuno-pathogenesis of the disease. The importance of reducing the prophylactic use of antimicrobials in livestock productions and the development of alternative control measures, including vaccination, are herein 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 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)0,006
score de la tête « metaresearch » (Gemma)0,015
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,002
Communication savante0,0060,005
Science ouverte0,0020,001
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0110,010

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 Opus0,166
Tête enseignante GPT0,400
Écart entre enseignants0,233 · 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
GenreÉditorial

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

En bref

Citations108
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePathogensMême sujetStreptococcal Infections and TreatmentsTravaux en français237 207