Modelling the effect of landscape heterogeneity on the efficacy of vaccination for wildlife infectious disease control
Notice bibliographique
Résumé
Summary Zoonotic disease control presents significant costs and challenges in human and wildlife populations. Although spatial variability and temporal variability in host populations play a significant role influencing the spread and persistence of pathogens, their impact on the effectiveness of disease control are not well understood. Field studies are impractical for many zoonotic diseases; thus, simulation modelling is an alternative. Some research has experimented with metapopulation models of host–pathogen systems, with discrete host populations distributed on a network of connections or on a one‐dimensional transect of contiguous cells. Little attention has been paid to treating geographic space as a fine‐grained two‐dimensional continuum, a more appropriate spatial model for many generalist host and vector species. Using raccoon rabies as an example, we apply an individual‐based spatially explicit stochastic simulation model to evaluate effectiveness of vaccination barrier strategies to control rabies. Barrier width and immunization levels are varied over landscapes with habitats of varying quality and spatial heterogeneity, resulting in varying degrees of host connectivity. Our results demonstrate that spatial heterogeneity in the landscape does affect vaccination efficacy. The probability that rabies will breach a vaccination barrier is greater and rabies incidence is higher in landscapes with (i) overall good‐quality homogeneous habitat and (ii) overall poor‐quality habitat with high spatial heterogeneity, than in landscapes with overall good‐quality habitat and high spatial heterogeneity. The influence of landscape conditions on disease dynamics decreases with increasing population immunity. Synthesis and applications . Using a spatially explicit stochastic simulation model, we demonstrated that landscape spatial heterogeneity and vaccination control will interact to influence the success of controlling infectious disease outbreaks. Further, under some landscape conditions, insufficient vaccination is counter‐productive because immunized individuals (i) reduce the number of disease transmitting contacts, preventing the disease from growing rapidly thus depleting the susceptible population; and (ii) survive to replenish the stock of susceptible animals through reproduction, facilitating disease persistence.
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) | 0,001 | 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 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 ».