Evaluation of transmission metrics in a slow-spreading highly pathogenic avian influenza (HPAI) outbreak in a commercial upland game bird system
Notice bibliographique
Résumé
In 2022, highly pathogenic avian influenza virus (HPAIV) H5N1 clade 2.3.4.4b was detected in United States (US) poultry, quickly escalating into an outbreak that surpassed the 2014/15 HPAI US event in scale and impact. Unlike in 2014/15, the 2022/3/4/5 outbreak has included numerous HPAI detections in previously infrequently affected commodities such as broilers and commercially-raised upland game birds. Here, we describe H5 HPAI detections that occurred between December 2023 and January 2024 in a multipremises, commerical upland game bird system located in the Midwestern US. We used an approximate Bayesian computation algorithm and stochastic within-flock HPAI transmission model to estimate the following: (1) time of HPAI introduction onto each affected premises, (2) number of days between estimated times of introduction and times of detection, and (3) the adequate contact rates and basic reproduction numbers within individual barns. Clinical signs and mortality observed in the infected pheasant flocks were largely consistent with other pheasant H5 clade 2.3.4.4b outbreaks. Across the system, the estimated transmission metrics were noticeably lower than those calculated from outbreaks in other poultry species. However, times to detection were similar to HPAI outbreaks that have occurred in other commodities.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».