A Risk Model for the Lyme Disease Vector Ixodes scapularis (Acari: Ixodidae) in the Prairie Provinces of Canada
Notice bibliographique
Résumé
Lyme disease is emerging in Canada due to geographic range expansion of the tick vector Ixodes scapularis Say. Recent areas of emergence include parts of the southeastern Canadian Prairie region. We developed a map of potential risk areas for future I. scapularis establishment in the Canadian Prairie Provinces. Six I. scapularis risk algorithms were developed using different formulations of three indices for environmental suitability: temperature using annual cumulative degree-days > 0 °C (DD > 0 °C; obtained from Moderate Resolution Imaging Spectroradiometer satellite data as an index of conditions that allow I. scapularis to complete its life cycle), habitat as a combined geolayer of forest cover and agricultural land use, and rainfall. The relative performance of these risk algorithms was assessed using receiver-operating characteristic (ROC) area under the curve (AUC) analysis with data on presence-absence of I. scapularis obtained from recent field surveillance in the Prairie Provinces accumulated from a number of sources. The ROC AUC values for the risk algorithms were significantly different (P < 0.01). The algorithm with six categories of DD > 0 °C, habitat as a simple dichotomous variable of presence or absence of forest, and normalized rainfall had the highest AUC of 0.74, representing "fair to good" performance of the risk algorithm. This algorithm had good (>80%) sensitivity in predicting positive I. scapularis surveillance sites, but low (50%) specificity as expected in this region where not all environmentally suitable habitats are expected to be occupied. Further prospective studies are needed to validate and perhaps improve the risk algorithm.
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 | 0,002 | 0,009 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».