Combining direct and indirect genetic methods to estimate dispersal for informing wildlife disease management decisions
Notice bibliographique
Résumé
Epidemiological models are useful tools for management to predict and control wildlife disease outbreaks. Dispersal behaviours of the vector are critical in determining patterns of disease spread, and key variables in epidemiological models, yet they are difficult to measure. Raccoon rabies is enzootic over the eastern seaboard of North America and management actions to control its spread are costly. Understanding dispersal behaviours of raccoons can contribute to refining management protocols to reduce economic impacts. Here, estimates of dispersal were obtained through parentage and spatial genetic analyses of raccoons in two areas at the front of the raccoon rabies epizootic in Ontario; Niagara (N = 296) and St Lawrence (N = 593). Parentage analysis indicated the dispersal distance distribution is highly positively skewed with 85% of raccoons, both male and female, moving < 3 km. The tail of this distribution indicated a small proportion (< 4%) moves more than 20 km. Analysis of spatial genetic structure provided a similar assessment as the spatial genetic correlation coefficient dropped sharply after 1 km. Directionality of dispersal would have important implications for control actions; however, evidence of directional bias was not found. Separating the data into age and sex classes the spatial genetic analyses detected female philopatry. Dispersal distances differed significantly between juveniles and adults, while juveniles in the Niagara region were significantly more related to each other than adults were to each other. Factors that may contribute to these differences include kin association, and spring dispersal. Changes to the timing and area covered by rabies control operations in Ontario are indicated based on these dispersal data.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 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 ».