Editorial: Rising stars in infectious agents and disease: 2021
Notice bibliographique
Résumé
Amongst the different pathogenic microorganisms described in animals and humans, 21 viruses show a huge diversity and their complex interactions with their host are often 22 challenging to study, which is limiting the development of prophylactic and therapeutic 23 treatments. Since the emergence of African swine fever (ASF) in China in 2018, the disease 24 represents an increasing economic burden in many countries. The causing virus (ASFV), 25 already an old issue, has been identified in 1921 in Kenya (Eustace Montgomery, 1921) and so 26 far vaccines are still missing. Many strains of ASFV have been described and this large DNA 27 virus developed complex interactions with innate and adaptive immune systems. Also 28 responsible of major economic losses in pig production, the porcine reproductive and 29 respiratory syndrome virus (PRRSV) also represents a strong challenge for vaccine 30 development (Lunney et al., 2016). Indeed, there are a plethora of strains and vaccines would 31 need to protect against various and constantly evolving PRRSV strains. Then, once safe and 32 effective vaccines are ultimately developed, the story is not ended and surveillance started to
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,041 |
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 source (Gemma direct ou Codex distillé), 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 ».