Evaluation of different molecular methods for detection of Senecavirus A and the result of the antigen surveillance in Korea during 2018
Notice bibliographique
Résumé
Senecavirus A (SVA), previously known as Seneca Valley virus, can cause vesicular disease and neonatal losses in pigs that is clinically indistinguishable from foot-and-mouth disease virus (FMDV). After the first case report in Canada in 2007, it had been restrictively identified in North America including United States. But, since 2015, SVA emerged outside North America in Brazil, and also in several the Asian countries including China, Thailand, and Vietnam. Considering the SVA occurrence in neighboring countries, there has been a high risk that Korea can be introduced at any time. In particular, it is very important in terms of differential diagnosis in the suspected case of vesicular diseases in countries where FMD is occurring. So far, several different molecular detection methods for SVV have been published but not validated as the reference method, yet. In this study, seven different molecular methods for detecting SVA were evaluated. Among them, the method by Flowler et al, (2017) targeted to 3D gene region with the highest sensitivity and no cross reaction with other vesicular disease agents including FMDV, VSV and SVD, was selected and applied further to antigen surveillance of SVA. A total of 245 samples of 157 pigs from 61 farms submitted for animal disease diagnose nationwide during 2018 were tested all negative. In 2018, no sign of SVA occurrence have been confirmed in Korea, but the results of the surveillance for SVA needs to be continued and accumulated at a high risk of SVA in neighboring countries.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».