Seroprevalence and Risk Factors of Brucella Infection in Dairy Animals in Urban and Rural Areas of Bihar and Assam, India
Notice bibliographique
Résumé
This study assessed seropositivity of Brucella infection in dairy animals and risk factors associated with it. The cross-sectional study used multi-stage, random sampling in the states of Bihar and Assam in India. In total, 740 dairy animals belonging to 534 households of 52 villages were covered under this study. Serological testing was conducted by indirect enzyme-linked immunosorbent assay (iELISA). Animal-level Brucella seropositivity was found to be 15.9% in Assam and 0.3% in Bihar. Seropositivity in urban areas (18.7%) of Assam was found to be higher than in rural areas (12.4%). Bihar was excluded from the risk factor analysis, as only one Brucella seropositive sample was detected in the state. A total of 30 variables were studied for assessing risk factors, of which 15 were selected for multivariable regression analyses following a systematic process. Finally, only three risk factors were identified as statistically significant. It was found that animals belonging to districts having smaller-sized herds were less likely (p < 0.001) to be Brucella seropositive than animals belonging to districts having larger-sized herds. Furthermore, the chance of being Brucella seropositive increased (p = 0.007) with the increase in age of dairy animals, but decreased (p = 0.072) with the adoption of artificial insemination (AI) for breeding. We speculated that the identified risk factors in Assam likely explained the reason behind lower Brucella seropositivity in Bihar, and therefore any future brucellosis control program should focus on addressing these risk factors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».