Additional file 1 of Scent dog identification of samples from COVID-19 patients – a pilot study
Notice bibliographique
Résumé
Additional file 1: Additional video. Detection dog working with DDTS. The video (Additional file 1) shows the Labrador Retriever “Seven” during a detection session. The Detection Dog Training System (DDTS) can be seen at the bottom of the video. The scent hole with a sample of an SARS-CoV-2 infected individual is marked in green on the video (please note the green mark was not seen by the dog and was only used in the video as a visualisation tool for the viewer to demonstrate the dog’s search and detection behaviour). At each detection trial run only one hole is presenting the target scent with the other six holes presenting saliva samples from SARS-CoV-2 negative tested individuals. When the dog detects the target scent, the nose will be left within the hole for ≥2 s to indicate the detection. This will be recorded by the device. A beeping sound announces the food or ball reward, which is automatically ejected by the device, distracting the dog for a short time period. In the meantime, the device rearranges the sample presentation in an automatic and random fashion, presenting one other scent hole with a sample of a SARS-CoV-2 positive tested individual and six control scent holes with negative control samples. In the upper left corner of the video, one can see how the figures change depending on the detection behaviour of the dog (true positive [correct indication; n = 3], true negative [correct rejection; n = 8], false positive [incorrect indication; n = 0], and false negative [incorrect rejection; n = 1]).
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 | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,776 | 0,101 |
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 ».