MétaCan
Menu
Retour à la cohorte
Enregistrement W2159170885 · doi:10.1155/2008/745463

Determining Effective Spraying Periods to Control Malaria via Indoor Residual Spraying in Sub-Saharan Africa

2008· article· en· W2159170885 sur OpenAlexafffund
Robert J. Smith, Senelani D. Hove‐Musekwa

Notice bibliographique

RevueJournal of Applied Mathematics and Decision Sciences · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesAfrican Mathematics Millennium Science InitiativeNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésIndoor residual sprayingMalariaResidualMalaria preventionToxicologyMathematicsBiologyEnvironmental scienceEnvironmental healthMedicineAlgorithmPlasmodium falciparumHealth services

Résumé

récupéré en direct d'OpenAlex

Indoor residual spraying—spraying insecticide inside houses to kill mosquitoes—is an important method for controlling malaria vectors in sub-Saharan Africa. We propose a mathematical model for both regular and non-fixed spraying, using impulsive differential equations. First, we determine the stability properties of the nonimpulsive system. Next, we derive minimal effective spraying intervals and the degree of spraying effectiveness required to control mosquitoes when spraying occurs at regular intervals. If spraying is not fixed, then we determine the “next best” spraying times. We also consider the effects of climate change on the prevalence of mosquitoes. We show that both regular and nonfixed spraying will result in a significant reduction in the overall number of mosquitoes, as well as the number of malaria cases in humans. We thus recommend that the use of indoor spraying be re-examined for widespread application in malaria-endemic areas.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,040
Tête enseignante GPT0,318
Écart entre enseignants0,278 · 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'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

Citations41
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Mathematics and Decision SciencesMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207