MétaCan
Menu
Retour à la cohorte
Enregistrement W2735814034 · doi:10.2196/resprot.6213

Data Preparation for West Nile Virus Agent-Based Modelling: Protocol for Processing Bird Population Estimates and Incorporating ArcMap in AnyLogic

2017· article· en· W2735814034 sur OpenAlexafffundvenueabout
Hamid Reza Nasrinpour, Alexander A Reimer, Marcia Friesen, R.D. McLeod

Notice bibliographique

RevueJMIR Research Protocols · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBird Studies CanadaUniversity of Manitoba
Mots-clésWest Nile virusProtocol (science)PopulationGeographyComputer scienceVirologyDemographyVirusBiologyMedicineSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: West Nile Virus (WNV) was first isolated in 1937. Since the 1950s, many outbreaks have occurred in various countries. The first appearance of infected birds in Manitoba, Canada was in 2002. OBJECTIVE: This paper describes the data preparation phase of setting up a geographic information system (GIS) simulation environment for WNV Agent-Based Modelling in Manitoba. METHODS: The main technology used in this protocol is based on AnyLogic and ArcGIS software. A diverse variety of topics and techniques regarding the data collection phase are presented, as modelling WNV has many disparate attributes, including landscape and weather impacts on mosquito population dynamics and birds' roosting locations, population count, and movement patterns. RESULTS: Different maps were combined to create a grid land cover map of Manitoba, Canada in a shapefile format compatible with AnyLogic, in order to modulate mosquito parameters. A significant amount of data regarding 152 bird species, along with their population estimates and locations in Manitoba, were gathered and assembled. Municipality shapefile maps were converted to built-in AnyLogic GIS regions for better compatibility with census data and initial placement of human agents. Accessing shapefiles and their databases in AnyLogic are also discussed. CONCLUSIONS: AnyLogic simulation software in combination with Esri ArcGIS provides a powerful toolbox for developers and modellers to simulate almost any GIS-based environment or process. This research should be useful to others working on a variety of mosquito-borne diseases (eg, Zika, dengue, and chikungunya) by demonstrating the importance of data relating to Manitoba and/or introducing procedures to compile such data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0780,027

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.

Tête enseignante Opus0,516
Tête enseignante GPT0,613
Écart entre enseignants0,098 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMosquito-borne diseases and controlTravaux en français237 207