MétaCan
Menu
Retour à la cohorte
Enregistrement W3128055790 · doi:10.1016/j.cofs.2021.01.006

Burden of foodborne diseases: think global, act local

2021· review· en· W3128055790 sur OpenAlexaff
Sara M. Pires, Binyam Negussie Desta, Lapo Mughini‐Gras, Blandina T. Mmbaga, Olanrewaju Emmanuel Fayemi, Elsa Maria Salvador, Tesfaye Gobena, Shannon E. Majowicz, Tine Hald, Peter Sousa Hoejskov, Yuki Minato, Brecht Devleesschauwer

Notice bibliographique

RevueCurrent Opinion in Food Science · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesForeign, Commonwealth and Development OfficeEuropean Cooperation in Science and TechnologyWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésBurden of diseasePsychological interventionResource (disambiguation)Disease burdenScale (ratio)DiseasePublic healthBusinessRisk analysis (engineering)Environmental healthPolitical scienceManagement scienceMedicineComputer scienceEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

National burden of foodborne disease (FBD) studies are essential to establish food safety as a public health priority, rank diseases, and inform interventions. In recent years, various countries have taken steps to implement them. Despite progress, the current burden of disease landscape remains scattered, and researchers struggle to translate findings to input for policy. We describe the current knowledge base on burden of FBDs, highlight examples of well-established studies, and how results have been used for decision-making. We discuss challenges in estimating burden of FBD in low-resource settings, and the experience and opportunities deriving from a large-scale research project in these settings. Lastly, we highlight the role of international organizations and initiatives in supporting countries to develop capacity and conduct studies.

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)0,009
score de la tête « metaresearch » (Gemma)0,023
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,003
Communication savante0,0070,013
Science ouverte0,0030,004
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,155
Tête enseignante GPT0,395
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'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

Citations238
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Food ScienceMême sujetSalmonella and Campylobacter epidemiologyTravaux en français237 207