Informatics progress of the Global Burden of Animal Diseases programme towards data for One Health
Notice bibliographique
Résumé
The Global Burden of Animal Diseases (GBADs) programme will provide data-driven evidence that policy-makers can use to evaluate options, inform decisions, and measure the success of animal health and welfare interventions. The GBADs' Informatics team is developing a transparent process for identifying, analysing, visualising and sharing data to calculate livestock disease burdens and drive models and dashboards. These data can be combined with data on other global burdens (human health, crop loss, foodborne diseases) to provide a comprehensive range of information on One Health, required to address such issues as antimicrobial resistance and climate change. The programme began by gathering open data from international organisations (which are undergoing their own digital transformations). Efforts to achieve an accurate estimate of livestock numbers revealed problems in finding, accessing and reconciling data from different sources over time. Ontologies and graph databases are being developed to bridge data silos and improve the findability and interoperability of data. Dashboards, data stories, a documentation website and a Data Governance Handbook explain GBADs data, now available through an application programming interface. Sharing data quality assessments builds trust in such data, encouraging their application to livestock and One Health issues. Animal welfare data present a particular challenge, as much of this information is held privately and discussions continue regarding which data are the most relevant. Accurate livestock numbers are an essential input for calculating biomass, which subsequently feeds into calculations of antimicrobial use and climate change. The GBADs data are also essential to at least eight of the United Nations Sustainable Development Goals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».