MétaCan
Menu
Retour à la cohorte
Enregistrement W4408828766 · doi:10.3168/jds.2024-25676

Perceived barriers to implementation of biosecurity best management practices for control of Salmonella Dublin on dairy farms: A focus group study

2025· article· en· W4408828766 sur OpenAlexafffundabout
Michael W. Brunt, Caroline Ritter, D.L. Renaud, S.J. LeBlanc, D.F. Kelton

Notice bibliographique

RevueJournal of Dairy Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of Prince Edward IslandUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaDairy Farmers of Ontario
Mots-clésBiosecurityFocus groupControl (management)SalmonellaBest practiceFocus (optics)BusinessAgricultural scienceEnvironmental healthMarketingBiologyMedicineManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Salmonella Dublin is an emerging pathogen on Canadian dairy farms, making biosecurity practices crucial. However, the barriers to implementing biosecurity best management practices (BBMP) to control Salmonella Dublin (e.g., track herd health status, proactive response to disease risks, limit animal purchases, routine facility disinfection, control visitor access) are unknown. The objectives of this study were to understand dairy farmers' awareness, perceptions, and barriers to implementation of established BBMP for control of Salmonella Dublin. In total, 28 dairy farmers participated in 5 focus groups from 2 regions of Ontario (southwestern [n = 2] and eastern [n = 3]). Four themes were developed from the data: (1) informational preparedness, (2) structural factors that influence disease mitigation, (3) motivational drivers of disease mitigation, and (4) shifts in biosecurity engagement. Participants' perceived awareness and preparedness for an outbreak of Salmonella Dublin on their farm was variable. Although most participating farmers were aware of the pathogen, most were not concerned about their farm becoming infected and stated that their farm was not prepared to handle an outbreak. All focus groups discussed how structural factors including producer organizations and national or provincial governments could improve disease surveillance or how academia could create new farm-level best practices to mitigate Salmonella Dublin transmission. All focus groups also discussed intrinsic motivational drivers (e.g., that biosecurity does not register as a daily priority) and the belief that the risk of Salmonella Dublin infecting animals on their farms is low. Participants also discussed extrinsic barriers (e.g., money, labor, practicality) as challenges to change their biosecurity practices. Finally, participants who had experienced a Salmonella Dublin outbreak expressed a shift in their perspective toward biosecurity (proactive rather than complacent) and risk management (e.g., wanting to limit spread to other farms). Our results suggest that participants expected producer organizations, government, and academia to provide more support and develop strategies to mitigate the spread of Salmonella Dublin. Participants who had not experienced a Salmonella Dublin outbreak did not view the pathogen as a substantial risk to their farm. Therefore, until the perceived risk increases, the motivation to overcome extrinsic and intrinsic barriers to adopt BBMP to control this pathogen will likely remain low.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,267

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,346
Écart entre enseignants0,311 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207