Global risk mapping for major diseases transmitted by Aedes aegypti and Aedes albopictus
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to map the global risk of the major arboviral diseases transmitted by Aedes aegypti and Aedes albopictus by identifying areas where the diseases are reported, either through active transmission or travel-related outbreaks, as well as areas where the diseases are not currently reported but are nonetheless suitable for the vector. METHODS: Data relating to five arboviral diseases (Zika, dengue fever, chikungunya, yellow fever, and Rift Valley fever (RVF)) were extracted from some of the largest contemporary databases and paired with data on the known distribution of their vectors, A. aegypti and A. albopictus. The disease occurrence data for the selected diseases were compiled from literature dating as far back as 1952 to as recent as 2017. The resulting datasets were aggregated at the country level, except in the case of the USA, where state-level data were used. Spatial analysis was used to process the data and to develop risk maps. RESULTS: Out of the 250 countries/territories considered, 215 (86%) are potentially suitable for the survival and establishment of A. aegypti and/or A. albopictus. A. albopictus has suitability foci in 197 countries/territories, while there are 188 that are suitable for A. aegypti. There is considerable variation in the suitability range among countries/territories, but many of the tropical regions of the world provide high suitability over extensive areas. Globally, 146 (58.4%) countries/territories reported at least one arboviral disease, while 123 (49.2%) reported more than one of the above diseases. The overall numbers of countries/territories reporting autochthonous vector-borne occurrences of Zika, dengue, chikungunya, yellow fever, and RVF, were 85, 111, 106, 43, and 39, respectively. CONCLUSIONS: With 215 countries/territories potentially suitable for the most important arboviral disease vectors and more than half of these reporting cases, arboviral diseases are indeed a global public health threat. The increasing proportion of reports that include multiple arboviral diseases highlights the expanding range of their common transmission vectors. The shared features of these arboviral diseases should motivate efforts to combine interventions against these diseases.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».