MétaCan
Menu
Retour à la cohorte
Enregistrement W2127809798 · doi:10.5402/2012/802450

Modeling Gender-Structured Wildlife Diseases with Harvesting: Chronic Wasting Disease as an Example

2012· article· en· W2127809798 sur OpenAlexafffund
Mo’tassem Al-arydah, Robert J. Smith, Frithjof Lutscher

Notice bibliographique

RevueISRN Biomathematics · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePrion Diseases and Protein Misfolding
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsUniversity of Ottawa
Mots-clésChronic wasting diseaseDiseasePopulationBasic reproduction numberWildlifeExtinction (optical mineralogy)Wildlife diseaseEcologyRisk analysis (engineering)BiologyMedicineEnvironmental healthPathology

Résumé

récupéré en direct d'OpenAlex

Chronic wasting disease (CWD) is a prion infectious disease that affects members of the deer family in North America. Concerns about the economic consequences of the presence of CWD have led management agencies to seek effective strategies to control CWD distribution and prevalence. Current mathematical models are either based on complex simulations or overly simplified compartmental models. We develop a mathematical model that includes gender structure to describe CWD in a logistically growing population. The model includes harvesting as a management strategy for the disease. We determine the stability conditions of the disease-free equilibrium for the model and calculate the basic reproduction number. We find an optimum interval of harvesting: with too little harvesting, the disease persists, whereas too much harvesting results in extinction of the population. A sensitivity analysis shows that the disease threshold is more sensitive to female than male harvesting and that harvesting has the greatest effect on the basic reproduction number. However, while harvesting may be a way to control CWD, the range of admissible harvesting rates may be very narrow, depending on other parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,281
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISRN BiomathematicsMême sujetPrion Diseases and Protein MisfoldingTravaux en français237 207