Variation of tsetse fly abundance in relation to habitat and host presence in the Maasai Steppe, Tanzania
Notice bibliographique
Résumé
Human activities modify ecosystem structure and function and can also alter the vital rates of vectors and thus the risk of infection with vector-borne diseases. In the Maasai Steppe ecosystem of northern Tanzania, local communities depend on livestock and suitable pasture that is shared with wildlife, which can increase tsetse abundance and the risk of trypanosomiasis. We monitored the monthly tsetse fly abundance adjacent to Tarangire National Park in 2014-2015 using geo-referenced, baited epsilon traps. We examined the effect of habitat types and vegetation greenness (NDVI) on the relative abundance of tsetse fly species. Host availability (livestock and wildlife) was also recorded within 100×100 m of each trap site. The highest tsetse abundance was found in the ecotone between Acacia-Commiphora woodland and grassland, and the lowest in riverine woodland. Glossina swynnertoni was the most abundant species (68%) trapped throughout the entire study, while G. pallidipes was the least common (4%). Relative species abundance was negatively associated with NDVI, with greatest abundance observed in the dry season. The relationship with the abundance of wildlife and livestock was more complex, as we found positive and negative associations depending on the host and fly species. While habitat is important for tsetse distribution, hosts also play a critical role in affecting fly abundance and, potentially, trypanosomiasis 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».