Dr. José Ramón Úrbez-Torres: “Es posible que alguno de los patógenos de las enfermedades de la madera forme parte de la microbiota natural de la vid”
Bibliographic record
Abstract
El aragones Jose Ramon Urbez-Torres lleva dieciseis anos fuera de Espana. Desde 2010 trabaja como fitopatologo para el Departamento Federal de Agricultura de Canada en la Columbia Britanica. En julio se celebro alli el XI Congreso Internacional sobre Enfermedades de la Madera de la Vid, cuyo Comite Organizador presidio, como uno de los mayores expertos mundiales en este grupo de enfermedades fungicas. Tras estudiar Ingenieria Tecnica Agricola en el Instituto Nevares de Empresarios Agrarios y pasar por el Instituto Tecnologico Agrario de Castilla y Leon, el Dr. Jose Ramon Urbez-Torres desembarco en 2003 en la Universidad de Davis (California) “con una maleta y un spanglish aterrador, pero con unas ganas increibles de trabajar e investigar”. Alli se dedico a identificar los agentes causales de las enfermedades de la madera de la vid y esclarecer una de las mas desconocidas por entonces, el decaimiento por Botryosphaeria o Botryosphaeria dieback. En solo seis meses fueron capaces de identificar a nivel molecular hasta seis especies diferentes asociadas con la enfermedad. En 2009 termino su doctorado, gracias al cual firmo diez publicaciones en revistas de impacto, y un ano despues recalo en Summerland, en la costa oeste de Canada, para trabajar en enfermedades de la madera de la vid y en el desarrollo de sistemas de deteccion molecular para patogenos en vid y frutal. Desde 2013 es investigador titular en este centro del Departamento Federal de Agricultura. Casado con una fitopatologa alemana, padre de un nino nacido en California y una nina nacida en Canada, esta “muy orgulloso” de que cada uno tenga un pasaporte diferente. El XI Congreso Internacional sobre Enfermedades de Madera de la Vid, celebrado en Penticton (Columbia Britanica), congrego a 150 investigadores procedentes de 21 paises, lo que para el presidente del Comite Organizador “refleja la importancia que estas enfermedades tienen en el momento actual en los diferentes paises productores y la gran atencion que se les esta prestando”.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.017 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".