MétaCan
Menu
Retour à la cohorte
Enregistrement W6907895250 · doi:10.25384/sage.c.6068981.v1

Investigating SARS-CoV-2 Susceptibility in Animal Species: A Scoping Review

2022· other· en· W6907895250 sur OpenAlexaff

Notice bibliographique

RevueSage Journals Data · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAnimal speciesAnimal healthRelevance (law)EpidemiologyAnimal testingAnimal studyAnimal model

Résumé

récupéré en direct d'OpenAlex

In the early stages of response to the SARS-CoV-2 pandemic, it was imperative for researchers to rapidly determine what animal species may be susceptible to the virus, under low knowledge and high uncertainty conditions. In this scoping review, the animal species being evaluated for SARS-CoV-2 susceptibility, the methods used to evaluate susceptibility, and comparing the evaluations between different studies were conducted. Using the PRISMA-ScR methodology, publications and reports from peer-reviewed and gray literature sources were collected from databases, Google Scholar, the World Organization for Animal Health (OIE), snowballing, and recommendations from experts. Inclusion and relevance criteria were applied, and information was subsequently extracted, categorized, summarized, and analyzed. Ninety seven sources (publications and reports) were identified which investigated 649 animal species from eight different classes: Mammalia, Aves, Actinopterygii, Reptilia, Amphibia, Insecta, Chondrichthyes, and Coelacanthimorpha. Sources used four different methods to evaluate susceptibility, <i>in silico, in vitro, in vivo</i>, and epidemiological analysis. Along with the different methods, how each source described “susceptibility” and evaluated the susceptibility of different animal species to SARS-CoV-2 varied, with conflicting susceptibility evaluations evident between different sources. Early in the pandemic, <i>in silico</i> methods were used the most to predict animal species susceptibility to SARS-CoV-2 and helped guide more costly and intensive studies using <i>in vivo</i> or epidemiological analyses. However, the limitations of all methods must be recognized, and evaluations made by <i>in silico</i> and <i>in vitro</i> should be re-evaluated when more information becomes available, such as demonstrated susceptibility through <i>in vivo</i> and epidemiological analysis.

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)0,010
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,717
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0040,005
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,1680,002

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 Opus0,222
Tête enseignante GPT0,417
Écart entre enseignants0,195 · 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
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207