Descriptive network analysis of Ontario, Canada equine competitions: implications for disease control
Notice bibliographique
Résumé
BACKGROUND: Competitions are an important source of entertainment and revenue in the horse industry but may contribute to disease introduction and spread. The objectives of this study were to, (i) describe the annual (2016 to 2018) contact networks of Equestrian Canada competitions in Ontario, Canada, and (ii) determine if the networks exhibit characteristics of 'small world' networks. Data on Equestrian Canada registered competitions in the province of Ontario, Canada between 2016 and 2018 were used to create three types of yearly contact networks: competition networks, horse networks, and venue networks. RESULTS: Dressage, hunter/jumper, and eventing competitions were connected through horses co-attending the same competitions; however, endurance and reining shows were isolates in these networks. The median node degrees in the yearly horse networks were between 567 and 619 with wide variation in node centrality scores. Horses competing in multiple disciplines at multiple levels had high node betweenness scores. Horse networks and venue networks had similarly short geodesics as random Erdös-Renyi networks of the same size but exhibited higher levels of clustering indicating that both the horse and venue networks meet the criteria for 'small world' networks. CONCLUSIONS: The high connectivity of the networks may provide opportunities for disease transmission to occur between competition levels and disciplines, and potentially increase case counts in an epidemic. The 'small world' topography of the competition and venue networks means disease spread could occur more rapidly in this population and the threshold for disease persistence may be lower.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».