MétaCan
Menu
Retour à la cohorte
Enregistrement W4401582680 · doi:10.1099/acmi.0.000872.v1.4

Editor response for version 1

2024· peer-review· en· W4401582680 sur OpenAlexaff
Vahid Rajabali Zadeh

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLivestockVeterinary medicinePopulationSampling (signal processing)VirusBiologySystematic samplingVirologyGeographyEnvironmental healthMedicineEcologyPathology

Résumé

récupéré en direct d'OpenAlex

Multiple transboundary animal diseases (TADs) circulate in Northern Nigeria, where livestock keeping is a common practice and contributes to both physical and socioeconomic wellbeing of a large proportion of the population. Environmental samples, collected on a monthly basis from five households, one transhumance site and one livestock market in Northern Nigeria between March and October 2021 were tested using real-time PCR for the presence of common TADs in the region. Of the samples tested 2.4% of samples (n=11) were positive for peste de petit ruminants virus (PPRV) RNA and 1.3% of samples (n=6) were positive for capripox virus DNA. A capripox differentiation assay showed that these samples were positive for sheep pox virus (SPPV) (n=2), goat pox virus (GTPV) (n=2) and lumpy skin disease virus (LSDV) (n=2).The results of this study demonstrate that environmental sampling is a valuable approach to TAD surveillance in areas with limited veterinary resources. Collection of environmental swabs requires little technical knowledge, enabling widespread application of this sampling method. The detection of multiple viruses from a single set of samples highlights the effective nature of environmental sampling in determining the presence of TADs within a region.

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)0,004
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,432

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0030,003
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,6970,448

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 Opus0,053
Tête enseignante GPT0,318
Écart entre enseignants0,265 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnimal Disease Management and EpidemiologyTravaux en français237 207