MétaCan
Menu
Retour à la cohorte
Enregistrement W6885905363 · doi:10.1371/journal.pone.0290443.s003

Causal diagram used to guide regression analysis.

2023· article· en· W6885905363 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueVector-Borne Animal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlockSeroprevalenceLogistic regressionDiseaseBiosecurityAnimal health

Résumé

récupéré en direct d'OpenAlex

<div><p>Cache Valley virus (CVV) disease is a mosquito-borne zoonosis endemic to North America. CVV disease is reported most often in sheep, causing lethal congenital deformities. There are limited data on CVV in Ontario, which is the largest sheep producing province in Canada. This study aimed to determine CVV seroprevalence in Ontario sheep flocks and investigate farm management factors associated with CVV exposure. A cross-sectional study was performed including 364 mature ewes across 18 farms selected from the five largest sheep districts in the province. A questionnaire was administered at each farm to determine farm management practices pertinent to the flock and ewes specifically sampled. Mixed multivariable logistic regression with a random effect for farm was conducted to assess associations between CVV seropositivity (outcome variable) and farm management risk factors (predictor variables). CVV seroprevalence was 33.2% in individual ewes (95% CI: 28.4%-38.1%) as determined by a virus neutralization assay with a titre > 4. Sixteen of the eighteen flocks (88.9%) had at least one CVV seropositive ewe. Increased age, smaller flock size, and sheep housing near wetlands, lakes, or ponds were found to be significantly associated with higher odds of CVV seropositivity. These findings are valuable in guiding breeding practices and housing during mosquito season to minimize infection and, ultimately, CVV disease in the flock.</p></div>

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,1610,011

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 Opus0,086
Tête enseignante GPT0,310
Écart entre enseignants0,223 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetVector-Borne Animal DiseasesTravaux en français237 207