U.S. Geological Survey science strategy to address white-nose syndrome and bat health in 2025–2029
Notice bibliographique
Résumé
Since its discovery in 2006, the fungal disease known as white-nose syndrome (WNS) has killed millions of bats.Of the 47 bat species native to the conterminous United States, Alaska, Hawaii, and Canada, 12 have been affected by WNS, including 3 endangered species and 1 proposed endangered species.WNS has also been detected in 40 States and 9 Canadian Provinces.U.S. Geological Survey (USGS) scientists have been critical in identifying the causal fungus for WNS (Pseudogymnoascus destructans [Pd]), characterizing the effects of WNS, and tracking the spread of Pd in many bat populations in North America.The mission of the USGS WNS and Bat Health Science Team is to deliver integrated science in order to build resiliency into free-ranging bat populations through more effective WNS management, build capacity for bat health science, and enhance bat health information sharing across USGS science centers and cooperative research units as well as with stakeholders.The USGS can play an important role in supporting regional and national capacity building by providing resources and guidance to local, State, and Tribal management entities and by providing tools to enhance disease management.The USGS Ecosystems Mission Area's Biological Threats and Invasive Species Research Program is the lead Federal program for free-ranging wildlife disease research and surveillance.As of 2024, guided by the science priorities set by the WNS Steering Committee, USGS scientists are engaged in a nationwide response to WNS.This work is done in close coordination with our partners at the U.S.
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 | 0,059 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».