MétaCan
Menu
Retour à la cohorte
Enregistrement W4394264608 · doi:10.6084/m9.figshare.7482665

Molecular Diagnostic of Chicken Parvovirus (ChPV) Affecting Broiler Flocks in Ecuador

2018· dataset· en· W4394264608 sur OpenAlexaboutno aff
David De la Torre, LFN Nuñez, Claudete S. Astolfi‐Ferreira

Notice bibliographique

RevueFigshare · 2018
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlockBroilerVirologyParvovirusBiologyVeterinary medicineMedicineVirusAnimal science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Enteric diseases affect poultry and cause important economic losses in many countries worldwide. Avian parvovirus has been linked to enteric conditions, such as malabsorption and runting-stunting syndrome (RSS), characterized by diarrhoea, and reduced weight gain and growth retardation. In 2013 and 2016, 79 samples were collected from different organs of chickens in Ecuador that exhibited signs of diarrhea and stunting syndrome, and analysed for the presence of chicken parvovirus (ChPV). The detection method of ChPV applied was Polymerase Chain Reaction (PCR), using primers designed from the conserved region of the viral genome that encodes the non-structural protein NS1. Out of the 79 samples, 50.6% (40/79) were positive for ChPV, and their nucleotide and amino acid sequences were analysed to determine their phylogenetic relationship with the sequences reported in the United States, Canada, China, South Korea, Croatia, Poland, Hungary, and Brazil. Strong similarity of nucleotide and amino acid sequences among all analyzed sequences and between the analysed and reference sequences was demonstrated, and the phylogenetic analysis clustered all the sequences within the same group, demonstrating a strong relation between the studied strains and the reference chicken parvovirus strains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,252
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAnimal Virus Infections StudiesTravaux en français237 207