Ecological Niche Modeling for the Prediction of the Geographic Distribution of Cutaneous Leishmaniasis in Tunisia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cutaneous leishmaniasis is a very complex disease involving multiple factors that limit its emergence and spatial distribution. Prediction of cutaneous leishmaniasis epidemics in Tunisia remains difficult because most of the epidemiological tools used so far are descriptive in nature and mainly focus on a time dimension. The purpose of this work is to predict the potential geographic distribution of Phlebotomus papatasi and zoonotic cutaneous leishmaniasis caused by Leishmania major in Tunisia using Grinnellian ecological niche modeling. We attempted to assess the importance of environmental factors influencing the potential distribution of P. papatasi and cutaneous leishmaniasis caused by L. major. Vectors were trapped in central Tunisia during the transmission season using CDC light traps (John W. Hock Co., Gainesville, FL). A global positioning system was used to record the geographical coordinates of vector occurrence points and households tested positive for cutaneous leishmaniasis caused by L. major. Nine environmental layers were used as predictor variables to model the P. papatasi geographical distribution and five variables were used to model the L. major potential distribution. Ecological niche modeling was used to relate known species' occurrence points to values of environmental factors for these same points to predict the presence of the species in unsampled regions based on the value of the predictor variables. Rainfall and temperature contributed the most as predictors for sand flies and human case distributions. Ecological niche modeling anticipated the current distribution of P. papatasi with the highest suitability for species occurrence in the central and southeastern part of Tunisian. Furthermore, our study demonstrated that governorates of Gafsa, Sidi Bouzid, and Kairouan are at highest epidemic 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.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 découle