MétaCan
Menu
Retour à la cohorte
Enregistrement W2175120792

Factors affecting the abundance of blacklegged ticks (Ixodes scapularis) and the prevalence of Borrelia burgdorferi in ticks and small mammals in the Thousand Islands region

2012· dissertation· en· W2175120792 sur OpenAlexfundaboutno aff
Lisa Werden

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2012
Typedissertation
Langueen
DomaineImmunology and Microbiology
ThématiqueVector-borne infectious diseases
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Natural Resources
Mots-clésIxodes scapularisBorrelia burgdorferiTickIxodesBiologyBorreliaLyme diseaseAbundance (ecology)EcologyZoologyIxodidaeVirologyImmunologyAntibody
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objectives of this study were to determine the distribution of Borrelia burgdorferi (Bb), the bacterium that causes Lyme disease, and its tick vector (Ixodes scapularis) in the Thousand Islands in Ontario, and to assess the effects of various factors, including host populations, temperature, and vegetation, on the distribution of Bb and ticks in this new endemic region. Data were collected via drag sampling and small mammal trapping at 12 sites and multimodel inference was used to evaluate variables. There was inter-island variation in the abundance of ticks and prevalence of Bb in ticks. Important predictors of tick numbers and infection prevalence included deer abundance, distance to the United States, temperature, species richness, and relative mouse abundance. These results will contribute to management strategies to reduce Lyme disease risk in the Thousand Islands and to our understanding of the effects of biodiversity on disease risk.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,222
Écart entre enseignants0,207 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetVector-borne infectious diseasesTravaux en français237 207