Can foodborne illness estimates from different countries be legitimately compared?: case study of rates in the UK compared with Australia, Canada and USA
Notice bibliographique
Résumé
OBJECTIVE: Mathematical models have gained traction when estimating cases of foodborne illness. Model structures vary due to differences in data availability. This begs the question as to whether differences in foodborne illness rates internationally are real or due to differences in modelling approaches.Difficulties in comparing illness rates have come into focus with COVID-19 infection rates being contrasted between countries. Furthermore, with post-EU Exit trade talks ongoing, being able to understand and compare foodborne illness rates internationally is a vital part of risk assessments related to trade in food commodities. DESIGN: We compared foodborne illness estimates for the United Kingdom (UK) with those from Australia, Canada and the USA. We then undertook sensitivity analysis, by recreating the mathematical models used in each country, to understand the impact of some of the key differences in approach and to enable more like-for-like comparisons. RESULTS: Published estimates of overall foodborne illness rates in the UK were lower than the other countries. However, when UK estimates were adjusted to a more like-for-like approach to the other countries, differences were smaller and often had overlapping credible intervals. When comparing rates by specific pathogens, there were fewer differences between countries. The few large differences found, such as virus rates in Canada, could at least partly be traced to methodological differences. CONCLUSION: Foodborne illness estimation models are country specific, making international comparisons problematic. Some of the disparities in estimated rates between countries can be shown to be attributed to differences in methodology rather than real differences in risk.
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 | 0,015 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».