Analyzing the Potential Risk of Climate Change on Lyme Disease in Eastern Ontario, Canada Using Time Series Remotely Sensed Temperature Data and Tick Population Modelling
Notice bibliographique
Résumé
The number of Lyme disease cases (Lyme borreliosis) in Ontario, Canada has increased over the last decade, and that figure is projected to continue to increase. The northern limit of Lyme disease cases has also been progressing northward from the northeastern United States into southeastern Ontario. Several factors such as climate change, changes in host abundance, host and vector migration, or possibly a combination of these factors likely contribute to the emergence of Lyme disease cases in eastern Ontario. This study first determined areas of warming using time series remotely sensed temperature data within Ontario, then analyzed possible spatial-temporal changes in Lyme disease risk in eastern Ontario from 2000 to 2013 due to climate change using tick population modeling. The outputs of the model were validated by using tick surveillance data from 2002 to 2012. Our results indicated areas in Ontario where Lyme disease risk changed from unsustainable to sustainable for sustaining Ixodes scapularis (black-legged tick) populations. This study provides evidence that climate change has facilitated the northward expansion of black-legged tick populations’ geographic range over the past decade. The results demonstrate that remote sensing data can be used to increase the spatial detail for Lyme disease risk mapping and provide risk maps for better awareness of possible Lyme disease cases. Further studies are required to determine the contribution of host migration and abundance on changes in eastern Ontario’s Lyme disease 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 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 ».