Optimal allocation of invasive species surveillance with the maximum expected coverage concept
Notice bibliographique
Résumé
Abstract Aim We address the problem of geographically allocating scarce survey resources to detect pests in their pathways of introduction given information about their likelihood of movement between origins and destinations. We introduce a model for selecting destination sites for survey that departs from the aim of reducing propagule pressure (PP) in pest destinations and instead aims to increase monitoring of pest origins. The model is a maximum expected coverage problem (MECP), which maximizes the expected number of origins that are covered by the survey system, where an origin is covered if at least one of its transmission pathways connects to a surveyed destination. For comparison, we present two models that aim to reduce PP in destination sites. One model maximizes the expected number of transmission pathways that are covered by survey locations and the other maximizes the expected number of survey locations that have one or more pest introductions. Location United States, Canada. Methods We demonstrate the models by analysing the human‐mediated spread of the emerald ash borer (Agrilus planipennisFairmaire), a major pest of ash trees in North America, by visitors to campgrounds in central Canada and the US Midwest. The models incorporate estimates of spread rates from a network of campers travelling from approximately 6500 invaded domains to 266 uninvaded campgrounds in three Canadian provinces (Ontario, Quebec and Manitoba) and three US states (Michigan, Minnesota and Wisconsin). Results The MECP and PP‐based model solutions agreed for large surveillance budgets but exhibited differences when the budgets were small. These results stem from differences between the coverage‐based objective in MECP and the PP‐based metrics in the PP models. Main conclusions Our comparison of MECP and PP‐based models reveals the trade‐offs between objectives. Overall, the MECP is generic and can be adapted to survey species that are spread via other human‐mediated vectors.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».