Surveillance Optimization Project for Chronic Wasting Disease dataset for Ontario, Canada, 2017-2020
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This dataset contains four files containing data from the Ontario Ministry of Natural Resources and Forestry shared with the Cornell Wildlife Health Lab (CWHL) at Cornell University for the purpose of the Surveillance Optimization Project for Chronic Wasting Disease (SOP4CWD). Professionals at the source facility have provided written permission for professionals at the CWHL to post this open data to this persistent eCommons repository. OMNRF_WTD_surveillance_2020.csv: This datafile constitutes records in standardized form depicting the results of chronic wasting disease (CWD) testing of white-tailed deer (Odocoileus virginianus) in Ontario, Canada for hunting seasons from 2017-18 to 2019-20, as completed by wildlife health diagnosticians at (or in partnership with) the Ontario Ministry of Natural Resources and Forestry. OMNRF_WTD_harvest_2020.csv: This data constitutes the estimated total number of white-tailed deer (Odocoileus virginianus) legally harvested by hunters by county in Ontario, Canada for hunting seasons from 2017-18 to 2019-20, as recorded by the Ontario Ministry of Natural Resources and Forestry. OMNRF_processors_2020.csv: This data constitutes the estimated total number taxidermists and cervid meat processors by county in Ontario, Canada for hunting season 2019-20, as recorded by the Ontario Ministry of Natural Resources and Forestry. OMNRF_cervid_facilities_2020.csv: This data constitutes the estimated total number of captive cervid facilities by county in Ontario, Canada for the year 2020, as recorded by the Ontario Ministry of Natural Resources and Forestry.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle