MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200613209 · doi:10.1101/2021.12.02.470924

SARS-CoV-2 wildlife surveillance in Ontario and Québec, Canada

2021· preprint· en· W4200613209 sur OpenAlexafffundabout
Janet E. Greenhorn, Jonathon D. Kotwa, Jeff Bowman, Laura L. Bruce, Tore Buchanan, Peter Buck, Antonia Dibernardo, Logan Flockhart, Marianne Gagnier, Aaron Hou, Claire M. Jardine, Stéphane Lair, L. Robbin Lindsay, Ariane Massé, Pia K. Muchaal, Larissa Nituch, Angelo Sotto, Brian Stevens, Lily Yip, Samira Mubareka

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of TorontoUniversity of GuelphMinistère des Ressources naturelles et des ForêtsPublic Health Agency of CanadaSunnybrook HospitalMinistry of Energy, Northern Development and Mines
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésWildlifeSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthBiologyVirologyGeographyRabiesCoronavirus disease 2019 (COVID-19)Veterinary medicineMedicineEcologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Background Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the virus responsible for the COVID-19 pandemic, is capable of infecting a variety of wildlife species. Wildlife living in close contact with humans are at an increased risk of SARS-CoV-2 exposure and if infected have the potential to become a reservoir for the pathogen, making control and management more difficult. Objective To conduct SARS-CoV-2 surveillance in urban wildlife from Ontario and Québec, Canada, increasing our knowledge of the epidemiology of the virus and our chances of detecting spillover from humans into wildlife. Methods Using a One Health approach, we leveraged activities of existing research, surveillance, and rehabilitation programs among multiple agencies to collect samples from 776 animals from 17 different wildlife species between June 2020 and May 2021. Samples from all animals were tested for the presence of SARS-CoV-2 viral RNA, and a subset of samples from 219 animals across 3 species (raccoons, Procyon lotor ; striped skunks, Mephitis mephitis ; and mink, Neovison vison ) were also tested for the presence of neutralizing antibodies. Results No evidence of SARS-CoV-2 viral RNA or neutralizing antibodies was detected in any of the tested samples. Conclusion Although we were unable to identify positive SARS-CoV-2 cases in wildlife, continued research and surveillance activities are critical to better understand the rapidly changing landscape of susceptible animal species. Collaboration between academic, public and animal health sectors should include experts from relevant fields to build coordinated surveillance and response capacity.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,326

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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'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

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→