Environmental DNA (eDNA) contamination patterns of African swine fever virus (ASFV) in swine transport vehicles in the Philippines
Notice bibliographique
Résumé
Since its introduction in 2019, African swine fever (ASF) has spread to all regions of the Philippines, affecting 73 out of its 82 provinces. To assess the environmental DNA (eDNA) contamination patterns of the ASF virus (ASFV) in swine transport vehicles and evaluate its measures of association, a total of 450 environmental swabs from 30 transportation vehicles were tested using qPCR. Five out of 30 vehicles (16.67%) tested positive in at least one of the following areas: cargo area or sidecar walls (6.67%), cargo area or sidecar floors (6.67%), hauling personnel’s hands (6.67%), steering wheel or handlebars (3.33%), gear shift levers (3.33%), floor mats or footpegs (3.33%), dashboards (3.33%), door handles or sidecar gate bolts (3.33%), tyres/wheels (3.33%), fenders (3.33%), and hauling personnel’s footwear (3.33%). All investigated risk factors were analysed using Chi-square, Fisher’s exact test, and odds ratio and were found to be insignificant, including the frequency of swine transportation per week, frequency of cleaning per week, cleaning materials used, disinfection practices, the number of pigs transported, and whether hauliers owned pigs (p > 0.05). This study illuminates the environmental contamination patterns of ASFV in swine transport vehicles, underscoring the need for targeted biosecurity protocols in areas with a high risk of contamination, particularly the cabin areas. More effective vehicle disinfection systems that will not damage equipment or pose health risks to hauliers are recommended to reduce the risk of ASF disease transmission between countries and geographic regions.
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 | 0,000 |
| 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 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 ».