Superficial Inguinal Lymph Nodes for Screening Dead Pigs for African Swine Fever
Notice bibliographique
Résumé
African swine fever (ASF) has spread across the globe and has reached closer to North America since being reported in the Dominican Republic and Haiti. As a result, surveillance measures have been heightened and the utility of alternative samples for herd-level monitoring and dead pig sampling have been investigated. Passive surveillance based on the investigation of dead pigs, both domestic and wild, plays a pivotal role in the early detection of an ASF incursion. The World Organization for Animal Health (OIE)-recommended samples for dead pigs are spleen, lymph nodes, bone marrow, lung, tonsil and kidney. However, obtaining these samples requires opening up the carcasses, which is time-consuming, requires skilled labour and often leads to contamination of the premises. As a result, we investigated the suitability of superficial inguinal lymph nodes (SILNs) for surveillance of dead animals. SILNs can be collected in minutes with no to minimum environmental contamination. Here, we demonstrate that the ASF virus (ASFV) genome copy numbers in SILNs highly correlate with those in the spleen and, by sampling SILN, we can detect all pigs that succumb to highly virulent and moderately virulent ASFV strains (100% sensitivity). ASFV was isolated from all positive SILN samples. Thus, sampling SILNs could be useful for routine surveillance of dead pigs on commercial and backyard farms, holding pens and dead on arrival at slaughter houses, as well as during massive die-offs of pigs due to unknown causes.
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 | 0,001 | 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) | 0,001 | 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 ».