Does fluoride influence oviposition of Anopheles stephensi in stored water habitats in an urban setting?
Notice bibliographique
Résumé
BACKGROUND: The physico-chemical characteristics of lentic aquatic habitats greatly influence mosquito species in selecting suitable oviposition sites; immature development, pupation and adult emergence, therefore are considerations for their preferred ecological niche. Correlating water quality parameters with mosquito breeding, as well as immature vector density, are useful for vector control operations in identifying and targeting potential breeding habitats. METHODS: A total of 40 known habitats of Anopheles stephensi, randomly selected based on a vector survey in parallel, were inspected for the physical and chemical nature of the aquatic environment. Water samples were collected four times during 2013, representing four seasons (i.e., ten habitats per season). The physico-chemical variables and mosquito breeding were statistically analysed to find their correlation with immature density of An. stephensi and also co-inhabitation with other mosquito species. RESULTS: Anopheles stephensi prefer water with low nitrite content and high phosphate content. Parameters such as total dissolved solids, electrical conductivity, total hardness, chloride, fluoride and sulfate had a positive correlation in habitats with any mosquito species breeding (p < 0.05) and also in habitats with An. stephensi alone breeding. Fluoride was observed to have a strong positive correlation with immature density of An. stephensi in both overhead tanks and wells. CONCLUSION: Knowledge of larval ecology of vector mosquitoes is a key factor in risk assessment and for implementing appropriate and sustainable vector control operations. The presence of fluoride in potential breeding habitats and a strong positive correlation with An. stephensi immature density is useful information, as fluoride can be considered an indicator/predictor of vector breeding. Effective larval source management can be focussed on specified habitats in vulnerable areas to reduce vector abundance and malaria transmission.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».