Passive Surveillance for I. scapularis Ticks: Enhanced Analysis for Early Detection of Emerging Lyme Disease Risk
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
Lyme disease (LD) is emerging in Canada because of the northward expansion of the geographic range of the tick vector Ixodes scapularis (Say). Early detection of emerging areas of LD risk is critical to public health responses, but the methods to do so on a local scale are lacking. Passive tick surveillance has operated in Canada since 1990 but this method lacks specificity for identifying areas where tick populations are established because of dispersion of ticks from established LD risk areas by migratory birds. Using data from 70 field sites in Quebec visited previously, we developed a logistic regression model for estimating the risk of I. scapularis population establishment based on the number of ticks submitted in passive surveillance and a model-derived environmental suitability index. Sensitivity-specificity plots were used to select an optimal threshold value of the linear predictor from the model as the signal for tick population establishment. This value was used to produce an "Alert Map" identifying areas where the passive surveillance data suggested ticks were establishing in Quebec. Alert Map predictions were validated by field surveillance at 76 sites: the prevalence of established I. scapularis populations was significantly greater in areas predicted as high-risk by the Alert map (29 out of 48) than in areas predicted as moderate-risk (4 out of 30) (P < 0.001). This study suggests that Alert Maps created using this approach can provide a usefully rapid and accurate tool for early identification of emerging areas of LD risk at a geographic scale appropriate for local disease control and prevention activities.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle