Predicting Weekly Variation of<i>Culex tarsalis</i>(Diptera: Culicidae) West Nile Virus Infection in a Newly Endemic Region, the Canadian Prairies
Notice bibliographique
Résumé
West Nile virus (WNV) spread across most of North America within a short time period after its incursion into the Western Hemisphere. The Canadian prairies had the highest human incidence of WNV disease in Canada, particularly in 2007. Statistical modeling and geographic information systems can be used to develop a predictive model and facilitate the mobilization of targeted disease management strategies. Using data collected between 2005 and 2008, we constructed models integrating abiotic and biotic factors to predict the WNV infection rate in female Culex tarsalis Coquillett, the primary vector of WNV in the Canadian prairies. During the study period, the highest mean Cx. tarsalis infection rate was during week 34 (late August). The Cx. tarsalis infection rate increased with increasing Cx. tarsalis abundance and mean temperature lagged from 1 to 8 wk, but decreased with increasing mean precipitation lagged from 2 to 6 wk. Furthermore, precipitation was a 'distorter variable' that altered the association between Cx. tarsalis abundance and the WNV infection rate. Our model clarified how weather influenced the Cx. tarsalis infection rate in the Canadian prairies, a newly and highly WNV endemic region of North America. An understanding of the role of lagged weather variables was essential for providing sufficient lead time to predict WNV occurrence, and for implementing disease control and prevention strategies. Furthermore, it is a useful tool for assessing the potential effects of future climate change on WNV in areas near its northern distributional limit.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».