Bagaimana rancangan sistemnya (spesifikasi rancangan)?

Rancangan sistem USAMM melibatkan beberapa komponen dan spesifikasi utama.

Pertama, sistem ini menggunakan kerangka kerja Bayesian (Bayes adalah sebuah teori
di bidang statistika yang didasarkan pada interpretasi Bayes tentang
probabilitas dimana probabilitas mengekspresikan tingkat kepercayaan pada
suatu) untuk estimasi parameter dan fitting model. Hal ini memungkinkan penggabungan
pengetahuan sebelumnya dan ketidakpastian dalam model, sehingga menghasilkan prediksi
yang lebih kuat dan dapat diandalkan.
Kedua, sistem ini menggabungkan data dari sertifikat inspeksi veteriner (Certificate of
Veterinary Inspection/CVI) adalah dokumen resmi yang dikeluarkan oleh seorang dokter
hewan yang memverifikasi kesehatan hewan yang akan dikirim atau dipindahkan dari satu
tempat ke tempat lain. antar negara bagian (CVI) untuk membangun jaringan pengiriman
ternak tingkat kabupaten yang komprehensif. Jaringan ini mencakup pergerakan ternak
antara tempat pertanian, memberikan informasi berharga untuk pemodelan penyakit dan
surveilans.
Ketiga, sistem ini memiliki resolusi yang lebih tinggi hingga tingkat individu tempat,
memungkinkan pemodelan pergerakan ternak yang lebih rinci dan akurat. Resolusi yang
lebih tinggi ini memungkinkan pertimbangan faktor seperti jenis tempat dan ukuran
kawanan, yang penting dalam memahami dinamika penyebaran penyakit.
Keempat, sistem ini memprediksi ukuran pengiriman, yang merupakan kontribusi baru
dibandingkan dengan versi sebelumnya dari USAMM. Informasi ini penting untuk
memahami besaran dan dampak pergerakan ternak terhadap penularan penyakit.
Sistem ini memprediksi ukuran pengiriman ternak, yang merupakan kontribusi baru
dibandingkan dengan versi sebelumnya dari USAMM. Informasi ini penting untuk
memahami besaran dan dampak pergerakan ternak terhadap penularan penyakit.

Dalam penelitian sebelumnya, sering kali hanya dilakukan pemodelan pergerakan ternak
berdasarkan asal dan tujuan pengiriman, tanpa memperhitungkan ukuran pengiriman.
Namun, ukuran pengiriman ternyata memiliki peran penting dalam penyebaran penyakit.
Misalnya, pengiriman ternak yang lebih besar memiliki potensi penyebaran penyakit yang
lebih luas dibandingkan dengan pengiriman yang lebih kecil.

Kelima, sistem ini menggunakan simulasi prediktif posterior untuk menghasilkan jaringan
sintetis sapi potong dan sapi perah. Jaringan ini dibuat berdasarkan parameter yang
disesuaikan dan dapat digunakan untuk berbagai aplikasi dalam pemodelan penyakit ternak.
Secara keseluruhan, rancangan sistem USAMM menggabungkan pemodelan Bayesian,
integrasi data dari CVI, peningkatan resolusi hingga tingkat individu tempat, prediksi ukuran
pengiriman, dan simulasi prediktif posterior untuk memberikan representasi yang
komprehensif dan akurat tentang jaringan pengiriman ternak di Amerika Serikat.
Bagaimana Ujicobanya (metode ujicoba dan hasil ujicoba)?
Paper ini tidak memberikan detail spesifik tentang metode uji coba dan hasil uji coba.
Fokusnya adalah pada pengembangan dan validasi model komputasi untuk mensimulasikan
jaringan pengiriman ternak. Para penulis menyebutkan bahwa mereka menggunakan data
dari dataset Sertifikat Inspeksi Veteriner (Certificate of Veterinary Inspection/CVI) daging
sapi dan susu tahun 2009 untuk fitting dan validasi model. Model ini divalidasi dengan
membandingkan jaringan simulasi yang di-down-sample dengan data CVI tahun 2009. Paper
ini lebih banyak membahas parameterisasi model, validasi, dan wawasan yang diperoleh
dari hasil simulasi.
Para penulis menyatakan bahwa mereka tidak memiliki kepentingan keuangan yang
bersaing atau hubungan pribadi yang dapat mempengaruhi pekerjaan yang dilaporkan
dalam makalah ini. Ketersediaan data Penulis tidak memiliki izin untuk berbagi data.
Pekerjaan ini didukung oleh pendanaan yang disediakan oleh Departemen Ilmu
Pengetahuan dan Teknologi Keamanan Dalam Negeri AS di bawah nomor kontrak
D15PC00278. Pekerjaan ini juga didukung oleh Perjanjian Kerjasama USDA:
AP17VSCEAH00C012. SS, LBJ, CW dan TL didukung oleh D15PC00278. KOB digantikan oleh
AP17VSCEAH00C012. Temuan dan kesimpulan dalam publikasi ini belum disebarluaskan
secara resmi oleh Departemen Pertanian AS dan tidak boleh ditafsirkan untuk mewakili
penentuan atau kebijakan lembaga apa pun. Analisis, pandangan, dan kesimpulan yang
terkandung dalam dokumen ini adalah milik penulis dan tidak boleh ditafsirkan sebagai
mewakili pendapat peraturan, kebijakan resmi, baik tersurat maupun tersirat, dari ...

Kesimpulan
Berdasarkan paper yang disebutkan, kesimpulan lain yang dapat diambil adalah bahwa
pengembangan model komputasi USAMM untuk mensimulasikan jaringan pengiriman
ternak telah berhasil dilakukan. Model ini telah divalidasi menggunakan data CVI tahun
2009. Dalam simulasi, model ini mampu menangkap pola distribusi aliran hewan yang
serupa dengan data yang diamati, meskipun terdapat beberapa perbedaan yang dapat
diamati, terutama dalam jaringan pengiriman susu. Model ini juga memberikan wawasan
baru tentang struktur jaringan pengiriman ternak, termasuk hubungan antara ukuran dan
jenis tempat dengan pola pengiriman. Namun, model ini memiliki kompleksitas yang tinggi
dan membutuhkan waktu komputasi yang lama. Kesimpulan ini menunjukkan bahwa
USAMM memiliki potensi untuk digunakan dalam berbagai aplikasi terkait perdagangan
ternak di Amerika Serikat.
Kami menganalisis distribusi spasial dari ukuran tingkat simpul dalam derajat, out-degree
dan betweenness sentralitas dari jaringan kerja simulasi dan kumpulan data CVI 2009.
Karena penambahan ukuran pengiriman adalah kontribusi baru yang paling penting dari
model ini, kami memprioritaskan menunjukkan hasil untuk aliran hewan, yaitu jaringan
dengan tautan yang ditimbang berdasarkan jumlah hewan, dan menyajikan metrik untuk
tautan yang tidak tertimbang dan ditimbang oleh jumlah pengiriman dalam informasi
tambahan. Untuk daging sapi (Gambar 9) dan susu (Gambar 10) distribusi spasial aliran
hewan umumnya menunjukkan kesamaan yang sangat tinggi dengan yang didasarkan pada
data, meskipun beberapa perbedaan dapat diamati. Perbedaan yang paling jelas dapat
dilihat pada peta susu, di mana kontras antara kabupaten agak hilang dalam jaringan
simulasi, membuat efek dari perkiraan berlebihan node aktif (yaitu kabupaten) untuk susu
jelas. Untuk jumlah pengiriman yang dikirim, polanya sebagian besar sama dan Mathews,
2003).
Manfaat
Penelitian yang telah dilakukan memiliki manfaat yang signifikan dalam pemodelan dan
pengendalian penyebaran penyakit infeksi pada ternak di Amerika Serikat. Dengan
menggunakan United States Animal Movement Model (USAMM), penelitian ini berhasil
mengembangkan sistem yang komprehensif, tingkat resolusi yang lebih tinggi, dan mampu
memprediksi ukuran pengiriman ternak.
Manfaat dari penelitian ini adalah sebagai berikut:
1. Pemahaman yang lebih baik tentang jaringan pengiriman ternak: Penelitian ini
memberikan wawasan yang lebih mendalam tentang pola dan dinamika pergerakan ternak
di Amerika Serikat. Dengan memahami jaringan pengiriman ternak dengan lebih baik,
langkah-langkah pengendalian dan mitigasi penyakit infeksi pada ternak dapat dirancang
dengan lebih efektif.
2. Pemodelan yang lebih akurat: Dengan menggunakan data yang lebih lengkap dan resolusi
yang lebih tinggi, USAMM dapat memberikan pemodelan yang lebih akurat tentang
penyebaran penyakit infeksi pada ternak. Hal ini memungkinkan para peneliti dan otoritas
kesehatan hewan untuk mengidentifikasi daerah yang rentan terhadap penyakit,
mengoptimalkan upaya surveilans, dan merancang strategi pengendalian yang lebih efektif.
3. Dukungan dalam pengambilan keputusan: Hasil penelitian ini dapat digunakan sebagai
dasar untuk pengambilan keputusan yang lebih baik dalam menghadapi ancaman penyakit
infeksi pada ternak. Informasi yang diperoleh dari USAMM dapat membantu peternak,
otoritas kesehatan hewan, dan pemangku kepentingan lainnya dalam merencanakan
tindakan pencegahan dan respons yang tepat.

Ide
Setelah membaca jurnal tersebut, ide lain yang muncul adalah pentingnya pengumpulan
data yang komprehensif tentang pergerakan ternak untuk memahami dan mengendalikan
penyebaran penyakit infeksi. Dalam penelitian ini, penggunaan sertifikat inspeksi veteriner
antar negara bagian (CVI) sebagai sumber data memberikan wawasan yang berharga
tentang jaringan pengiriman ternak di Amerika Serikat.
Namun, masih ada kekurangan dalam ketersediaan data yang lengkap dan terperinci
tentang pergerakan ternak. Oleh karena itu, ide yang muncul adalah pentingnya upaya
untuk meningkatkan pengumpulan data dan kolaborasi antara pihak berkepentingan,
seperti peternak, otoritas kesehatan hewan, dan lembaga penelitian, untuk membangun
database yang lebih komprehensif tentang pergerakan ternak.
Dengan memiliki data yang lebih lengkap dan terperinci, penelitian dan pemodelan lebih
lanjut dapat dilakukan untuk memahami faktor-faktor yang mempengaruhi penyebaran
penyakit infeksi pada ternak, seperti faktor risiko, pola pergerakan, dan interaksi antar
tempat pertanian. Hal ini akan membantu dalam merancang strategi pengendalian yang
lebih efektif dan respons yang cepat terhadap wabah penyakit.
Selain itu, ide lain yang muncul adalah pentingnya pengembangan model yang lebih
kompleks dan akurat untuk memprediksi penyebaran penyakit infeksi pada ternak. Dalam
penelitian ini, penggunaan pendekatan Bayesian dan simulasi prediktif posterior telah
terbukti efektif dalam menghasilkan jaringan sintetis yang mewakili jaringan pengiriman
ternak di Amerika Serikat. Pengembangan lebih lanjut dari model ini dapat melibatkan
faktor-faktor lain yang mempengaruhi penyebaran penyakit, seperti faktor lingkungan,
interaksi antar spesies, dan faktor manusia.

Masalah utama dalam jurnal ini adalah kurangnya data yang komprehensif dan terperinci
tentang pergerakan ternak. Meskipun United States Animal Movement Model (USAMM)
telah membuat kemajuan signifikan dalam pemodelan dan prediksi penyebaran penyakit
infeksi, ketergantungan pada sertifikat inspeksi veteriner antar negara bagian (CVI) sebagai
sumber data utama membatasi akurasi dan kelengkapan model.
Data CVI hanya memberikan informasi tentang asal dan tujuan pengiriman, serta detail
terbatas tentang ukuran pengiriman. Kurangnya data terperinci ini menghambat
kemampuan untuk sepenuhnya memahami dinamika pergerakan ternak dan memprediksi
dengan akurat penyebaran penyakit. Tanpa data yang lebih komprehensif tentang faktor-
faktor seperti ukuran kawanan, jenis tempat pemeliharaan, dan ukuran pengiriman yang
spesifik, model mungkin tidak dapat menangkap kompleksitas jaringan perdagangan ternak
secara keseluruhan.
Oleh karena itu, tantangan utama yang diungkapkan dalam jurnal ini adalah perlunya
metode pengumpulan data yang lebih baik dan kolaborasi antara pemangku kepentingan
untuk membangun database yang lebih komprehensif tentang pergerakan ternak. Hal ini
akan melibatkan pengumpulan informasi yang lebih terperinci tentang ukuran pengiriman,
jenis tempat pemeliharaan, dan faktor-faktor relevan lainnya untuk meningkatkan akurasi
dan efektivitas pemodelan penyakit dan strategi pengendalian.