MétaCan
Menu
Retour à la cohorte
Enregistrement W4411637053 · doi:10.36584/cjic.2023.004.01.175.177

The use of dogs for the detection of infectious diseases; an emerging diagnostic option

2023· article· en· W4411637053 sur OpenAlexvenueaboutno aff
James A. Ayukekbong, Adenike Oguntimehin

Notice bibliographique

RevueCanadian Journal of Infection Control · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiagnostic testMedicineIntensive care medicineVeterinary medicine

Résumé

récupéré en direct d'OpenAlex

Accurate and timely diagnosis are important aspects of infection prevention and control as reliable testing for the identification of both symptomatic and asymptomatic infected persons may reduce the spread of infection. Common infectious disease-testing strategies require the collection of specimens through often invasive procedures, e.g., venous blood collection, nasopharyngeal swabs, urethra swab, rectal swab, etc. Besides the invasiveness of these procedures, they also require trained laboratory personnel and specialized laboratories for testing. In addition, the collection, transportation, storage, and analysis of samples is time consuming and also costly. These challenges necessitate the need for alternative strategies which are faster, reliable, and non-invasive for screening of both asymptomatic and symptomatic individuals for diseases. Canines have been shown to have extraordinary olfactory acuity and for a long time, trained dogs (e.g., Labrador retrievers, Golden retrievers, German shepherds, Belgian malinois, and many other mixed breeds) have been used for varying purposes, e.g., in search and rescue to find victims of all sorts of events: avalanches, earthquakes, floods, landslides, plane crashes (Kokocińska-Kusiak et al., 2021). Sniffer dogs have also been used for explosive detection to combat terrorism, stop the flow of illegal narcotics or contraband, detect unreported currency, concealed humans, or smuggled agriculture products. Increasingly, the usefulness of sniffer dogs has been studied for the detection of viral, bacterial, and parasitic infections, as well as non-infectious diseases and disorders such as epilepsy, diabetes, and cancer (McCulloch et al., 2006; Cambau et al., 2020; Hardin et al., 2015; Catala et al., 2019).

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,022
Tête enseignante GPT0,254
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreSynthèse

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Infection ControlMême sujetRabies epidemiology and controlTravaux en français237 207