A decade of hidden phytoplasmas unveiled through citizen science
Notice bibliographique
Résumé
ABSTRACT Climate change is impacting agriculture in many ways, and a contribution from all is required to reduce the imminent loses related to it. Recently, it has been showed that citizen science could be a way to trace the impact of climate change. However, how can citizen science be applied in plant pathology? Here, using as an example a decade of phytoplasma-related diseases reported by growers, agronomists, citizens in general, and confirmed by a government laboratory, we explore a new way of valuing plant pathogens monitoring data deriving from land-users or stakeholders. Through this collaboration we found that in the last decade thirty-four hosts have been affected by phytoplasmas, nine, thirteen and five of these plants were, for the first time, reported phytoplasma hosts in Eastern Canada, in Canada and worldwide, respectively. Another finding of great impact is the first report of a ‘ Ca . P. phoenicium’-related strain in Canada, while ‘ Ca . P. pruni’ and ‘ Ca . P. pyri’ was reported for the first time in Eastern Canada. These findings will have a great impact in the management of phytoplasmas and their insect vectors. Using these insect-vectored bacterial pathogens, we show the needs of new strategies that allow a fast and accurate communication between concerned citizens and those institutions confirming their observations. Abstract Figure
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».