MétaCan
Menu
Retour à la cohorte
Enregistrement W2107528163 · doi:10.1098/rstb.2013.0561

Climate change impacts on West Nile virus transmission in a global context

2015· review· en· W2107528163 sur OpenAlexaboutno aff
Shlomit Paz

Notice bibliographique

RevuePhilosophical Transactions of the Royal Society B Biological Sciences · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeVector (molecular biology)PreparednessTransmission (telecommunications)Context (archaeology)GeographyMediterranean climatePopulationEcologyBiologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

West Nile virus (WNV), the most widely distributed virus of the encephalitic flaviviruses, is a vector-borne pathogen of global importance. The transmission cycle exists in rural and urban areas where the virus infects birds, humans, horses and other mammals. Multiple factors impact the transmission and distribution of WNV, related to the dynamics and interactions between pathogen, vector, vertebrate hosts and environment. Hence, among other drivers, weather conditions have direct and indirect influences on vector competence (the ability to acquire, maintain and transmit the virus), on the vector population dynamic and on the virus replication rate within the mosquito, which are mostly weather dependent. The importance of climatic factors (temperature, precipitation, relative humidity and winds) as drivers in WNV epidemiology is increasing under conditions of climate change. Indeed, recent changes in climatic conditions, particularly increased ambient temperature and fluctuations in rainfall amounts, contributed to the maintenance (endemization process) of WNV in various locations in southern Europe, western Asia, the eastern Mediterranean, the Canadian Prairies, parts of the USA and Australia. As predictions show that the current trends are expected to continue, for better preparedness, any assessment of future transmission of WNV should take into consideration the impacts of climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,382
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations306
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhilosophical Transactions of the Royal Society B Biological SciencesMême sujetMosquito-borne diseases and controlTravaux en français237 207