Crowdsourcing Vector Surveillance: Using Community Knowledge and Experiences to Predict Densities and Distribution of Outdoor-Biting Mosquitoes in Rural Tanzania
Notice bibliographique
Résumé
Lack of reliable techniques for large-scale monitoring of disease-transmitting mosquitoes is a major public health challenge, especially where advanced geo-information systems are not regularly applicable. We tested an innovative crowd-sourcing approach, which relies simply on knowledge and experiences of residents to rapidly predict areas where disease-transmitting mosquitoes are most abundant. Guided by community-based resource persons, we mapped boundaries and major physical features in three rural Tanzanian villages. We then selected 60 community members, taught them basic map-reading skills, and offered them gridded maps of their own villages (grid size: 200m×200m) so they could identify locations where they believed mosquitoes were most abundant, by ranking the grids from one (highest density) to five (lowest density). The ranks were interpolated in ArcGIS-10 (ESRI-USA) using inverse distance weighting (IDW) method, and re-classified to depict areas people believed had high, medium and low mosquito densities. Finally, we used odor-baited mosquito traps to compare and verify actual outdoor mosquito densities in the same areas. We repeated this process for 12 months, each time with a different group of 60 residents. All entomological surveys depicted similar geographical stratification of mosquito densities in areas classified by community members as having high, medium and low vector abundance. These similarities were observed when all mosquito species were combined, and also when only malaria vectors were considered. Of the 12,412 mosquitoes caught, 60.9% (7,555) were from areas considered by community members as having high mosquito densities, 28% (3,470) from medium density areas, and 11.2% (1,387) from low density areas. This study provides evidence that we can rely on community knowledge and experiences to identify areas where mosquitoes are most abundant or least abundant, even without entomological surveys. This crowd-sourcing method could be further refined and validated to improve community-based planning of mosquito control operations at low-cost.
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) | 0,000 | 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 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 ».