Interacting effects of wildlife loss and climate on ticks and tick-borne disease
Notice bibliographique
Résumé
Both large-wildlife loss and climatic changes can independently influence the prevalence and distribution of zoonotic disease. Given growing evidence that wildlife loss often has stronger community-level effects in low-productivity areas, we hypothesized that these perturbations would have interactive effects on disease risk. We experimentally tested this hypothesis by measuring tick abundance and the prevalence of tick-borne pathogens ( Coxiella burnetii and Rickettsia spp . ) within long-term, size-selective, large-herbivore exclosures replicated across a precipitation gradient in East Africa. Total wildlife exclusion increased total tick abundance by 130% (mesic sites) to 225% (dry, low-productivity sites), demonstrating a significant interaction of defaunation and aridity on tick abundance. When differing degrees of exclusion were tested for a subset of months, total tick abundance increased from 170% (only mega-herbivores excluded) to 360% (all large wildlife excluded). Wildlife exclusion differentially affected the abundance of the three dominant tick species, and this effect varied strongly over time, likely due to differences among species in their host associations, seasonality, and other ecological characteristics. Pathogen prevalence did not differ across wildlife exclusion treatments, rainfall levels, or tick species, suggesting that exposure risk will respond to defaunation and climate change in proportion to total tick abundance. These findings demonstrate interacting effects of defaunation and aridity that increase disease risk, and they highlight the need to incorporate ecological context when predicting effects of wildlife loss on zoonotic disease dynamics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».