Infectious Disease in a Warming World: How Weather Influenced West Nile Virus in the United States (2001–2005)
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
BACKGROUND: The effects of weather on West Nile virus (WNV) mosquito populations in the United States have been widely reported, but few studies assess their overall impact on transmission to humans. OBJECTIVES: We investigated meteorologic conditions associated with reported human WNV cases in the United States. METHODS: We conducted a case-crossover study to assess 16,298 human WNV cases reported to the Centers for Disease Control and Prevention from 2001 to 2005. The primary outcome measures were the incidence rate ratio of disease occurrence associated with mean weekly maximum temperature, cumulative weekly temperature, mean weekly dew point temperature, cumulative weekly precipitation, and the presence of > or = 1 day of heavy rainfall (> or = 50 mm) during the month prior to symptom onset. RESULTS: Increasing weekly maximum temperature and weekly cumulative temperature were similarly and significantly associated with a 35-83% higher incidence of reported WNV infection over the next month. An increase in mean weekly dew point temperature was significantly associated with a 9-38% higher incidence over the subsequent 3 weeks. The presence of at least 1 day of heavy rainfall within a week was associated with a 29-66% higher incidence during the same week and over the subsequent 2 weeks. A 20-mm increase in cumulative weekly precipitation was significantly associated with a 4-8% increase in incidence of reported WNV infection over the subsequent 2 weeks. CONCLUSIONS: Warmer temperatures, elevated humidity, and heavy precipitation increased the rate of human WNV infection in the United States independent of season and each others' effects.
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 | 0,000 | 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 découle