Data_Sheet_5_Assessing and improving on-farm biosecurity knowledge and practices among swine producers and veterinarians through online surveys and an educational website in Illinois, United States.PDF
Notice bibliographique
Résumé
<p>There is a growing risk to the health and productivity of the Illinois and United States swine population from foreign and endemic infectious diseases. Effective on-farm biosecurity practices play a pivotal role in preventing these high-consequence pathogens from affecting swine farms. Veterinarians are essential in providing disease prevention advice to swine producers that can help them implement effective biosecurity practices on their farms. Our descriptive study objectives were to assess Illinois swine producers’ and veterinarians’ biosecurity perception, knowledge, and practices to identify knowledge gaps and address these by developing an online educational website. We developed two independent online questionnaires using Qualtrics<sup>XM</sup> software. Swine producer members of the Illinois Pork Producers Association and veterinarians registered with the Illinois State Veterinary Medical Association were contacted via e-mail through their associations and asked to complete an online survey. In total, 13 swine producers across 9 Illinois counties operating 82 farms (8 managed single farms and 5 managed multiple farms) responded to the swine producer survey. Despite some biosecurity awareness among swine producers, the need for a biosecurity-related outreach program was evident. Among the 7 swine veterinarian responders, 5 predominantly treated swine (oversaw an average of 21.6 farms), and 2 were mixed animal practitioners. The swine veterinarian survey showed a disconnect between their biosecurity perception and practices. We developed a biosecurity educational website and used Google Analytics to collect website traffic and user data. The 4 months of data showed good coverage that included the highest proportion of users from the Midwest and North Carolina, the largest swine-production regions in the US, and China and Canada, the leading producers of swine worldwide. The most accessed webpage was the resources page, and the swine diseases page had the highest engagement time. Our study highlights the effectiveness of combining online surveys with an educational website to assess and improve the biosecurity knowledge of swine producers and veterinarians that can be applied to assess and improve the biosecurity knowledge and practices of other livestock farmers.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».