High-Resolution Ecological Niche Modeling of <i>Ixodes scapularis</i> Ticks Based on Passive Surveillance Data at the Northern Frontier of Lyme Disease Emergence in North America
Notice bibliographique
Résumé
BACKGROUND: Lyme disease (LD) is a bacterial infection transmitted by the black-legged tick (Ixodes scapularis) in eastern North America. It is an emerging disease in Canada due to the expanding range of its tick vector. Environmental risk maps for LD, based on the distribution of the black-legged tick, have focused on coarse determinants such as climate. However, climatic factors vary little within individual health units, the level at which local public health decision-making takes place. We hypothesize that high-resolution environmental data and routinely collected passive surveillance data can be used to develop valid models for tick occurrence and provide insight into ecological processes affecting tick presence at fine scales. METHODS: We used a maximum entropy algorithm (MaxEnt) to build a habitat suitability model for I. scapularis in Ottawa, Ontario, Canada using georeferenced occurrence points from passive surveillance data collected between 2013 and 2016 and high-resolution land cover and elevation data. We evaluated our model using an independent tick presence/absence dataset collected through active surveillance at 17 field sites during the summer of 2017. RESULTS: Our model showed a good ability to discriminate positive sites from negative sites for tick presence (AUC = 0.878 ± 0.019, classification accuracy = 0.835 ± 0.020). Heavily forested suburban and rural areas in the west and southwest of Ottawa had higher predicted suitability than the more agricultural eastern areas. CONCLUSIONS: This study demonstrates the value of passive surveillance data to model local-scale environmental risk for the tick vector of LD at sites of interest to public health. Given the rising incidence of LD and other emerging vector-borne diseases in Canada, our findings support the ongoing collection of these data and collaboration with researchers to provide a timely and accurate portrait of evolving public health 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 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».