Data‐driven dynamical modelling of the transmission of African swine fever in a few places in China
Notice bibliographique
Résumé
Since the outbreak of African swine fever (ASF) in Shengyang, it has continued spreading in China. In the early stage of the epidemic, multi-point and concentrated outbreaks were mainly in the swill feeding areas. In this paper, we developed compartmental models to investigate the transmission of ASF in several raising units including Guquan, Jinba and Liancheng. Using the data collected from these three infected premises, we calibrated the models to estimate that the average incubation period was between 8 and 11 days, the onset period was about 2-3 days and the basic reproductive number was about 4.83-11.90. We also estimated the infection on the day before culling to be 45.24% (Guquan), 89.20% (Jinba) and 16.35% (Liancheng), respectively. The infection rate of Guquan could reach about 74.8% if culling were postponed by 2 days. We found that the infection was significantly higher than the morbidities (22.11% (Guquan), 49.35% (Jinba) and 12.94% (Liancheng)) calculated by actual statistical data. Besides, we simulated and compared the control effect of stopping transport, disinfecting, stopping swill and culling. Our findings suggest that any single measure was not enough to prevent the spread of ASF on a regional level but the combined measures is the key. Under the current situation, fully culling was recognized as most effective in controlling the epidemic, despite the culling of uninfected pigs.
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) | 0,000 | 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 ».