Assisting differential clinical diagnosis of cattle diseases using smartphone-based technology in low resource settings: a pilot study
Notice bibliographique
Résumé
The recent rise in mobile phone use and increased signal coverage has created opportunities for growth of the mobile Health sector in many low resource settings. This pilot study explores the use of a smartphone-based application, VetAfrica-Ethiopia, in assisting diagnosis of cattle diseases. We used a modified Delphi protocol to select important diseases and Bayesian algorithms to estimate the related disease probabilities based on various clinical signs being present in Ethiopian cattle.A total of 928 cases were diagnosed during the study period across three regions of Ethiopia, around 70% of which were covered by diseases included in VetAfrica-Ethiopia. Parasitic Gastroenteritis (26%), Blackleg (8.5%), Fasciolosis (8.4%), Pasteurellosis (7.4%), Colibacillosis (6.4%), Lumpy skin disease (5.5%) and CBPP (5.0%) were the most commonly occurring diseases. The highest (84%) and lowest (30%) levels of matching between diagnoses made by student practitioners and VetAfrica-Ethiopia were for Babesiosis and Pasteurellosis, respectively. Multiple-variable logistic regression analysis indicated that the putative disease indicated, the practitioner involved, and the level of confidence associated with the prediction made by VetAfrica-Ethiopia were major determinants of the likelihood that a diagnostic match would be obtained.This pilot study demonstrated that the use of such applications can be a valuable means of assisting less experienced animal health professionals in carrying out disease diagnosis which may lead to increased animal productivity through appropriate treatment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».