Investigating SARS-CoV-2 Susceptibility in Animal Species: A Scoping Review
Notice bibliographique
Résumé
In the early stages of response to the SARS-CoV-2 pandemic, it was imperative for researchers to rapidly determine what animal species may be susceptible to the virus, under low knowledge and high uncertainty conditions. In this scoping review, the animal species being evaluated for SARS-CoV-2 susceptibility, the methods used to evaluate susceptibility, and comparing the evaluations between different studies were conducted. Using the PRISMA-ScR methodology, publications and reports from peer-reviewed and gray literature sources were collected from databases, Google Scholar, the World Organization for Animal Health (OIE), snowballing, and recommendations from experts. Inclusion and relevance criteria were applied, and information was subsequently extracted, categorized, summarized, and analyzed. Ninety seven sources (publications and reports) were identified which investigated 649 animal species from eight different classes: Mammalia, Aves, Actinopterygii, Reptilia, Amphibia, Insecta, Chondrichthyes, and Coelacanthimorpha. Sources used four different methods to evaluate susceptibility, in silico, in vitro, in vivo, and epidemiological analysis. Along with the different methods, how each source described “susceptibility” and evaluated the susceptibility of different animal species to SARS-CoV-2 varied, with conflicting susceptibility evaluations evident between different sources. Early in the pandemic, in silico methods were used the most to predict animal species susceptibility to SARS-CoV-2 and helped guide more costly and intensive studies using in vivo or epidemiological analyses. However, the limitations of all methods must be recognized, and evaluations made by in silico and in vitro should be re-evaluated when more information becomes available, such as demonstrated susceptibility through in vivo and epidemiological analysis.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».