MétaCan
Menu
Retour à la cohorte
Enregistrement W3186742883 · doi:10.1002/ps.6574

Detection and monitoring of bed bugs (Hemiptera: Cimicidae): review of the underlying science, existing products and future prospects

2021· review· en· W3186742883 sur OpenAlexaff
Sydney E Crawley, John H. Borden

Notice bibliographique

RevuePest Management Science · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDermatological diseases and infestations
Établissements canadiensJoseph Brant Hospital
Organismes subventionnairesnon disponible
Mots-clésHemipteraBiologyBed bugHeteropteraEcology

Résumé

récupéré en direct d'OpenAlex

Bed bugs, Cimex lectularius L. and C. hemipterus (F.) (Hemiptera: Cimicidae) are hematophagous ectoparasites of humans. Since the resurgence of bed bugs in the late 1990s there has been a corresponding emphasis on development and implementation of integrated pest management (IPM) programs to manage infestations. One critical requirement of IPM is the ability to detect and monitor the target pest. We outline and describe the majority of all known existing devices and technologies developed for bed bug detection and monitoring as well as much of the underlying science. Almost 40 detection and monitoring products have flooded the marketplace, but for various reasons, including price, size, complexity and lack of independent scientific evaluation, they have not been widely adopted for IPM in structures. One product, the ClimbUp® Insect Interceptor, has nine competitors that utilize a similar design. This review also discloses many other technologies and products that are either too expensive or too impractical for use as either consumer or industrial products. We conclude that there is a critical need for inexpensive and effective detection and monitoring traps and lures suitable for widespread adoption by the urban pest control industry. © 2021 Society of Chemical Industry.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,070
Tête enseignante GPT0,367
Écart entre enseignants0,297 · 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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePest Management ScienceMême sujetDermatological diseases and infestationsTravaux en français237 207