Ecological Niche Modeling of <i>Cryptococcus gattii</i> in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Cryptococcus gattii emerged on Vancouver Island, British Columbia (BC), Canada, in 1999, causing human and animal illness. Environmental sampling for C.gattii in southwestern BC has isolated the fungal organism from native vegetation, soil, air, and water. OBJECTIVES: Our aim was to help public health officials in BC delineate where C.gattii is currently established and forecast areas that could support C.gattii in the future. We also examined the utility of ecological niche modeling (ENM) based on human and animal C.gattii disease surveillance data. METHODS: We performed ENM using the Genetic Algorithm for Rule-set Prediction (GARP) to predict the optimal and potential ecological niche areas of C.gattii in BC. Human and animal surveillance and environmental sampling data were used to build and test the models based on 15 predictor environmental data layers. RESULTS: ENM provided very accurate predictions (> 98% accuracy, p-value < 0.001) for C.gattii in BC. The models identified optimal C.gattii ecological niche areas along the central and south eastern coast of Vancouver Island and within the Vancouver Lower Mainland. Elevation, biogeoclimatic zone, and January temperature were good predictors for identifying the ecological niche of C.gattii in BC. CONCLUSIONS: The use of human and animal case data for ENM proved useful and effective in identifying the ecological niche of C.gattii in BC. These results are shared with public health to increase public and physician awareness of cryptococcal disease in regions at risk of environmental colonization of C.gattii.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».