Examining avian influenza virus exposure in seabirds of the northwest Atlantic in 2022 and 2023 via antibodies in eggs
Notice bibliographique
Résumé
Abstract Seabirds are frequently infected by avian influenza virus (AIV), which prior to 2021 primarily consisted of low-pathogenic AIV with limited reports of disease during infection. However, since highly pathogenic AIV (HPAIV) H5N1 clade 2.3.4.4b was introduced to North America in late 2021, HPAIV outbreaks in seabirds have occurred in multiple regions, with high levels of morbidity and mortality in many species. While monitoring active viral infections is critical for tracking disease burden, monitoring prior viral exposure via antibody detection in species that experienced large outbreaks is important for identifying individual- and population-level impacts of AIV on immunity and survival. We capitalized on ongoing egg collection programmes to assess the prevalence of antibodies against AIV nucleoprotein (NP) and hemagglutinin subtype 5 (H5) in 523 eggs collected in 2022 and 2023 from 11 seabird species that breed in the northwestern Atlantic, including primarily samples from eastern Canada and two from western Iceland. The prevalence of AIV antibodies in eggs varied across regions, species and years. American common eider (Somateria mollissima dresseri) eggs had the highest AIV antibody prevalence compared to sympatric species in 2023. Longitudinal samples were available for northern gannets (Morus bassanus) and American herring gulls (Larus argentatus smithsoniansus) at several sites, where the prevalence of anti-NP and anti-H5 antibodies increased from 2022 to 2023. Examining AIV antibody prevalence in seabird eggs can be a useful tool to investigate population-level AIV exposure, while we acknowledge our limited understanding of differential antibody waning rates and the relationship between titre and susceptibility.
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 | 0,000 | 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 | 0,000 | 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 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 ».