Predicting the odds of chronic wasting disease with Habitat Risk software
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chronic wasting disease (CWD) is a transmissible spongiform encephalopathy that was first detected in captive cervids in Colorado, United States (US) in 1967, but has since spread into free-ranging white-tailed deer (Odocoileus virginianus) across the US and Canada as well as to Scandinavia and South Korea. In some areas, the disease is considered endemic in wild deer populations, and governmental wildlife agencies have employed epidemiological models to understand long-term environmental risk. However, continued rapid spread of CWD into new regions of the continent has underscored the need for extension of these models into broader tools applicable for wide use by wildlife agencies. Additionally, efforts to semi-automate models will facilitate access of technical scientific methods to broader users. We introduce software (Habitat Risk) designed to link a previously published epidemiological model with spatially referenced environmental and disease testing data to enable agency personnel to make up-to-date, localized, data-driven predictions regarding the odds of CWD detection in surrounding areas after an outbreak is discovered. Habitat Risk requires pre-processing publicly available environmental datasets and standardization of disease testing (surveillance) data, after which an autonomous computational workflow terminates in a user interface that displays an interactive map of disease risk. We demonstrated the use of the Habitat Risk software with surveillance data of white-tailed deer from Tennessee, USA.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle