Niche‐based host extinction increases prevalence of an environmentally acquired pathogen
Notice bibliographique
Résumé
Understanding the ecology of environmentally acquired and multi‐host pathogens affecting humans and wildlife has been elusive in part because fluctuations in the abundance of host and pathogen species may feed back onto pathogen transmission. Complexity of pathogen‐host dynamics emerges from processes driving local extinction of the pathogen, its hosts and non‐hosts. While the extinction of species may entail losses in pathogen–host interactions and decrease the proportion of hosts infected by a pathogen (prevalence), some studies suggest the opposite pattern. Niche‐based extinction, based on the species tolerance to environmental conditions, may increase prevalence of infection because the pathogen and its hosts persist, while other species go extinct. Hence, understanding prevalence of infection requires disentangling random‐ and niche‐based extinction processes occurring simultaneously. To contribute to this exercise, we analysed the prevalence of an environmentally acquired, multi‐host pathogen, Mycobacterium ulcerans (MU), in a unique dataset of 16 communities of freshwater animals, surveyed during 12 months in Akonolinga, Cameroon in equatorial Africa. Two different ecosystems were identified: rivers (lotic) and swamps and flooded areas (lentic). Increased prevalence of MU infection was correlated with niche‐based extinction of aquatic host invertebrates and vertebrates in the lentic ecosystems, whereas decreased prevalence was associated with random disassembly of the lotic ecosystems. This finding suggests that random and niche‐based extinction of host taxa are key to assessing the effect of local extinction of species on the ecology of environmentally acquired and multi‐host pathogens.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 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 tête enseignante, 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 ».