MétaCan
Menu
Retour à la cohorte
Enregistrement W3135265863 · doi:10.2903/j.efsa.2021.6459

Monitoring of SARS‐CoV‐2 infection in mustelids

2021· article· en· W3135265863 sur OpenAlexfundno aff
Anette Boklund, Paolo Pasquali, Helen Clare Roberts, Søren Saxmose Nielsen, Arjan Stegeman, Francesca Baldinelli, Alessandro Broglia, Cornelia Adlhoch, Angeliki Melidou, Gražina Mirinavičiūtė

Notice bibliographique

RevueEFSA Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Food Inspection Agency
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)VirologyBiology2019-20 coronavirus outbreakSars virusZoologyMedicineInternal medicineOutbreak

Résumé

récupéré en direct d'OpenAlex

American mink and ferret are highly susceptible to severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), but no information is available for other mustelid species. SARS-CoV-2 spreads very efficiently within mink farms once introduced, by direct and indirect contact, high within-farm animal density increases the chance for transmission. Between-farm spread is likely to occur once SARS-CoV-2 is introduced, short distance between SARS-CoV-2 positive farms is a risk factor. As of 29 January 2021, SARS-CoV-2 virus has been reported in 400 mink farms in eight countries in the European Union. In most cases, the likely introduction of SARS-CoV-2 infection into farms was infected humans. Human health can be at risk by mink-related variant viruses, which can establish circulation in the community, but so far these have not shown to be more transmissible or causing more severe impact compared with other circulating SARS-CoV-2. Concerning animal health risk posed by SARS-CoV-2 infection the animal species that may be included in monitoring plans are American mink, ferrets, cats, raccoon dogs, white-tailed deer and Rhinolophidae bats. All mink farms should be considered at risk of infection; therefore, the monitoring objective should be early detection. This includes passive monitoring (in place in the whole territory of all countries where animals susceptible to SARS-CoV-2 are bred) but also active monitoring by regular testing. First, frequent testing of farm personnel and all people in contact with the animals is recommended. Furthermore randomly selected animals (dead or sick animals should be included) should be tested using reverse transcriptase-polymerase chain reaction (RT-PCR), ideally at weekly intervals (i.e. design prevalence approximately 5% in each epidemiological unit, to be assessed case by case). Suspected animals (dead or with clinical signs and a minimum five animals) should be tested for confirmation of SARS-CoV-2 infection. Positive samples from each farm should be sequenced to monitor virus evolution and results publicly shared.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,078
Tête enseignante GPT0,406
Écart entre enseignants0,328 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations83
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEFSA JournalMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207