Development of simulation models for transmission of Salmonid Rickettsial Septicaemia between salt water fish farms in Chile
Notice bibliographique
Résumé
This study aimed at estimating parameters representing between-farm transmission of Salmonid Rickettsial Septicaemia (SRS) in Chile, and developing and validating simulation models to predict weekly spread of SRS between farms in Los Lagos (Region 10), using InterSpread Plus. The model parameters were estimated by analyses of the historical SRS outbreak data. The models incorporated time and distance-dependent transmission kernels, representing the probabilities of waterborne spread of SRS between farms. Seven candidate transmission kernels were estimated, with varying maximum distance of between-farm SRS spread (15-60 km). Farms were categorized by size (small; medium; large) and species (Coho salmon; Atlantic salmon; rainbow trout). The time that it took a farm to recover from infection was parameterized to be shortest for small Coho farms (median: 7 weeks), followed by medium and large Coho farms (median: 25 weeks), Atlantic salmon farms (median: 42 weeks, any size) and rainbow trout farms (median: 43 weeks, any size). The relative infectiousness parameters of rainbow trout farms were 1.5-6.3 times that of Coho or Atlantic salmon, or those of large farms was 1.3-4.2 times that of small or medium farms. The models predicted SRS prevalence in Region 10 between 2013 and 2015 (79 weeks) with 76.5%-93.0% overall accuracy. The model with a transmission kernel of <20 km (P20) achieved a maximum overall accuracy (93.0%). Within each neighbourhood, the accuracy of P20 varied between 32.4% and 88.1%; 13/20 neighbourhoods had a reasonable temporal agreement between the simulated and actual dynamics of SRS (within 5th-95th percentiles), but 5/20 neighbourhoods underestimated and 2/20 overestimated the SRS spread. The model could be used for evaluation of semi-global control policies in Region 10, while addition of other factors such as seasonality, ocean currents, and movement of infected fish may improve the model performance at a finer scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».