MétaCan
Menu
Retour à la cohorte
Enregistrement W4409260937 · doi:10.1016/j.apm.2025.116130

Modelling for assessing the compulsory vaccination strategy against highly pathogenic avian influenza in a poultry farm of China

2025· article· en· W4409260937 sur OpenAlexaff
Juan Li, Bingxin Nie, Gao Lu, Junhui Zhang, Lijun Liu, Hui Xu, Youming Wang, Renjie Sun, Hongli Zhang, Huaiping Zhu

Notice bibliographique

RevueApplied Mathematical Modelling · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of ChinaZhejiang Sci-Tech UniversityResearch Institute of Keqiao District, Shaoxing, Zhejiang Sci-Tech University
Mots-clésInfluenza A virus subtype H5N1Highly pathogenicChinaVaccinationVirologyPoultry farmingBiotechnologyBiologyVeterinary medicineEnvironmental healthMedicineGeographyVirus

Résumé

récupéré en direct d'OpenAlex

• Data-driven modelling for the transmission of HPAI in a poultry farm. • China mandatory vaccination plan effectively controls HPAI spread in poultry. • High virus transmissibility increases flock losses despite vaccination. • Comprehensive post-vaccination measures needed for optimal HPAI control. • Regular monitoring, vaccine evaluation, and biosecurity upgrades recommended. The prevalence of highly pathogenic avian influenza (HPAI) has become substantial obstacles for the poultry industry and international trade with potential threat to human health. We developed a data-driven transmission model for quantitatively assessing the risk of HPAI spread in a henhouse under the China national mandatory vaccination plan for prevention and control of HPAI in the poultry industry. With data from farm investigations and literature reviews, we calibrated our model to estimate some key model parameters. We employed the Latin Hypercubic Sampling (LHS) technique for multiple sampling during simulations and subsequently conducted statistical analysis to enhance the accuracy and reliability of our results. We found that within a designated single henhouse, regardless of whether the initial virus level is 5 or 500 times the minimum viral load required to trigger highly fatal avian influenza, when the virus transmission capacity is low (the basic reproductive number R 0 ∈ ( 2 , 3 ) ), implementing mandatory vaccination measures according to the policy-stipulated timings will keep the average overall mortality rate of chickens with maternal antibodies within the range of 0.08 %-0.42 %. However, if the virus transmission capacity doubles, the loss of chickens will increase by 3–5 times, but it will still be significantly lower than the normal mortality rate (5 %). Therefore, to optimize post-vaccination management and control, we recommend monitoring flock antibodies regularly, evaluating vaccine effectiveness promptly, strengthening pathogen surveillance, and upgrading farm biosecurity level. These measures are essential for safeguarding flock immunity, facilitating early virus detection, and mitigating the risk of HPAI transmission.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

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

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 Opus0,091
Tête enseignante GPT0,381
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mathematical ModellingMême sujetInfluenza Virus Research StudiesTravaux en français237 207