The interaction of dispersal and control methods for the riverine tsetse fly <i>Glossina</i> <i>palpalis</i> <i>gambiensis</i> (Diptera: Glossinidae): a modelling study
Notice bibliographique
Résumé
Abstract We used a spatial model of a riverine tsetse fly species Glossina palpalis gambiensis life cycle to investigate the interaction between their dispersal and three control methods and to document these interactions using sensitivity analyses. The model is currently limited to gallery forest habitat inhabited by Glossina palpalis gambiensis in the dry season in the sub‐humid zone of West Africa. The control methods modelled were traps and targets (TT), insecticide‐treated livestock (ITL), and the sterile insect technique (SIT). Both distance dispersed (up to 800 m) and percent of flies dispersing each day (up to 60 %) increased the efficiency of control by TT. Most of this increase occurred for low values of both distance dispersed and percent dispersing, but the increase continued up to the limits tried. The daily movement of cattle assisted the control program and when movement was considerable (up to 600 m daily) the effects were greater than the effects of tsetse dispersal. Random dispersal decreased aggregation and equilibrium population size, and thus also increased the efficiency of SIT. Dispersal that was mostly oriented towards clumps was of much less value for SIT but acted on TT and ITL similarly to random dispersal.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».