Zoonotic infections in Alaska: disease prevalence, potential impact of climate change and recommended actions for earlier disease detection, research, prevention and control
Notice bibliographique
Résumé
Over the last 60 years, Alaska's mean annual temperature has increased by 1.6°C, more than twice the rate of the rest of the United States. As a result, climate change impacts are more pronounced here than in other regions of the United States. Warmer temperatures may allow some infected host animals to survive winters in larger numbers, increase their population and expand their range of habitation thus increasing the opportunity for transmission of infection to humans. Subsistence hunting and gathering activities may place rural residents of Alaska at a greater risk of acquiring zoonotic infections than urban residents. Known zoonotic diseases that occur in Alaska include brucellosis, toxoplasmosis, trichinellosis, giardiasis/cryptosporidiosis, echinococcosis, rabies and tularemia. Actions for early disease detection, research and prevention and control include: (1) determining baseline levels of infection and disease in both humans and host animals; (2) conducting more research to understand the ecology of infection in the Arctic environment; (3) improving active and passive surveillance systems for infection and disease in humans and animals; (4) improving outreach, education and communication on climate-sensitive infectious diseases at the community, health and animal care provider levels; and (5) improving coordination between public health and animal health agencies, universities and tribal health organisations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».