Estimating poultry aspergillosis prevalence and diagnostic accuracy of histopathological and mycological culture in Côte d’Ivoire using Bayesian latent class analysis
Notice bibliographique
Résumé
This study aimed to estimate the prevalence of poultry aspergillosis and evaluate the accuracy of histopathology (test under evaluation) and mycological culture (an imperfect reference test). Farms raising layer and breeder or broiler birds, with suspected aspergillosis cases, clinical or subclinical, were eligible and visited for sampling. After necropsy, histopathology and mycological culture examinations were conducted by two evaluators. A Bayesian latent class model was used to estimate the accuracy of histopathology when compared to the imperfect reference test, mycological culture. A total of 142 chicken farms, 96 laying and breeding hen farms, and 46 broiler farms were used for the study. True aspergillosis median prevalence was estimated at 63.7% (95% credibility intervals, CrI: 53.8%, 73.0%) in layers and breeders and at 65.2% (95% CrI: 50.2%, 78.3%) in the broiler farms' population. The median diagnostic sensitivity of histopathology and culture were estimated at, respectively, 98.8% (95% CrI: 94.6%, 100.0%) and 90.4% (95% CrI: 83.6%, 95.3%). Tests' diagnostic specificity was estimated at, respectively, 97.3% (95% CrI: 87.7%, 99.9%) and 95.7% (95% CrI: 91.8%, 98.2%). Both tests had very high and comparable positive predictive values, but, in a population where disease prevalence was 25%, histopathology had a higher negative predictive value than culture.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».