MétaCan
Menu
Retour à la cohorte
Enregistrement W4283068259 · doi:10.1016/j.fawpar.2022.e00167

Epidemiology of Trichinella in the Arctic and subarctic: A review

2022· review· en· W4283068259 sur OpenAlexaff
Antti Oksanen, Age Kärssin, Rebecca P. K. D. Berg, Anders Koch, Pikka Jokelainen, Rajnish Sharma, Emily Jenkins, O. A. Loginova

Notice bibliographique

RevueFood and Waterborne Parasitology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueParasitic Diseases Research and Treatment
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTrichinellaSubarctic climateArcticOutbreakCircumpolar starTrichinosisBiologyEcologyGeographyZoologyHelminthsOceanographyVirology

Résumé

récupéré en direct d'OpenAlex

The finding of Trichinella in the Arctic was foreseen because captive polar bears and arctic foxes had been found infected during the first decades of the 20th century. Human trichinellosis outbreaks were reported to have taken place in 1944 in Franz Josef Archipelago and 1947 in Greenland, and previous outbreaks in Greenland also appeared to have been trichinellosis. Now, it is known that Trichinella parasites thrive in the Arctic and subarctic and pose a risk for public health. We collated the available information, which show that infection prevalences are high in many animal host species, and that outbreaks of human trichinellosis have been described also recently. The species diversity of Trichinella in the Arctic and subarctic is relatively high, and the circulation is in non-domestic cycles with transmission by predation, scavenging and cannibalism. There are also sporadic reports on the synanthropic species Trichinella spiralis in arctic wild mammals with little known or assumed contact to potential synanthropic cycles. In this paper, we summarize the knowledge on epidemiology of Trichinella parasites in the circumpolar Arctic and subarctic regions, and discuss the challenges and solutions for their control.

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 enseignants0,004
Score d'incertitude au seuil0,009

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
Bibliométrie0,0030,003
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 Opus0,122
Tête enseignante GPT0,447
Écart entre enseignants0,325 · 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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood and Waterborne ParasitologyMême sujetParasitic Diseases Research and TreatmentTravaux en français237 207