MétaCan
Menu
Retour à la cohorte
Enregistrement W6929776177 · doi:10.5066/p9t541ml

Sample locations 2022 SARS-CoV-2 testing in little brown bats

2023· dataset· en· W6929776177 sur OpenAlexaboutno aff

Notice bibliographique

RevueUSGS DOI Tool Production Environment · 2023
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlife diseaseWildlifeWildlife managementFungal diseaseMyotis lucifugus

Résumé

récupéré en direct d'OpenAlex

The potential introduction of SARS-CoV-2, the virus responsible for the COVID-19 pandemic, into North American bat populations is of interest to wildlife managers due to recent declines of several species. Populations of little brown bats (Myotis lucifugus) have collapsed due to white-nose syndrome (WNS), a disease caused by the introduction and spread of the fungal pathogen Pseudogymnoascus destructans (Pd). Throughout much of the United States and southern Canada, large colonies of the species routinely established diurnal roosts in anthropogenic structures creating the potential for direct human contact and cross-species disease transmission. Given recent declines and the potential for further disease impacts, we collected oral swabs from eight little brown bat colonies for RT-qPCR analysis to describe the presence and prevalence of SARS-CoV-2. We visited colonies in Maryland (n = 1), New Hampshire (n = 1), New Jersey (n = 2), New York (n = 1), Rhode Island (n = 2), and Virginia (n = 1) during May-August, 2022. We have analyzed samples from 235 individuals and all have tested negative for SARS-CoV-2. Our results indicate that little brown bats are either negative for SARS-CoV-2 or that it persists in undetectable levels in populations of the Mid-Atlantic and Northeast in the summer months. Nonetheless, future work addressing other seasons or using serologic approaches may still be warranted to conclusively determine disease status.

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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,004

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 Opus0,074
Tête enseignante GPT0,260
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueUSGS DOI Tool Production EnvironmentMême sujetAnimal Virus Infections StudiesTravaux en français237 207