MétaCan
Menu
Retour à la cohorte
Enregistrement W3194369288 · doi:10.7589/jwd-d-20-00106

MORBIDITY AND MORTALITY IN ONTARIO RODENTS AND LAGOMORPHS: A 30-YEAR RETROSPECTIVE REVIEW

2021· article· en· W3194369288 sur OpenAlexaffabout
Shannon K. French, David L. Pearl, Brian Stevens, Andrew S. Peregrine, Claire M. Jardine

Notice bibliographique

RevueJournal of Wildlife Diseases · 2021
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueVector-borne infectious diseases
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWildlifeBiologyMalaciaVeterinary medicinePopulationCysticercosisMedical diagnosisLungwormMedicinePathologyHelminthsZoologyEnvironmental healthEcologySurgery

Résumé

récupéré en direct d'OpenAlex

Passive surveillance is an important component of wildlife health surveillance that allows for the identification of emerging pathogens as well as population-level threats. We investigated the most common causes of morbidity and mortality in rodents and lagomorphs submitted to the Canadian Wildlife Health Cooperative (CWHC) in Ontario and the Ontario Veterinary College (OVC) over a 30-yr period. A total of 836 cases representing 13 species of rodents and three species of lagomorph were submitted to the CWHC and the OVC wildlife pathology service. Infectious or inflammatory diagnoses were most common in our data set, followed by trauma and unknown diagnoses. The most frequently identified primary diagnosis was encephalitis with histological lesions consistent with neural larva migrans including the presence of inflammation and malacia of brain tissue and, in some cases, characteristic nematode larvae. Other infectious diagnoses were squirrel fibroma virus and Toxoplasma gondii infections. Knowledge of common pathogens observed in various species of rodents and lagomorphs can aid in triage and treatment decisions at veterinary clinics and wildlife rehabilitation centers, and guide sample collection and test requisition at post-mortem examination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife DiseasesMême sujetVector-borne infectious diseasesTravaux en français237 207