Population isolation predicts the severity of historical human epidemics
Notice bibliographique
Résumé
Abstract Aim Infectious diseases are a major source of human mortality and have altered human history. Despite their importance, we lack a thorough understanding of why some historical epidemics were more deadly than others. For many organisms, geographically isolated populations (e.g., populations distant from the mainland) experience more severe epidemics, including after long periods of isolation. These patterns are likely to arise because geographical isolation reduces contact with infectious diseases, causing a corresponding naïvety and susceptibility to those pathogens. Here, we test for equivalent patterns in human populations, but over much longer time frames than have been considered previously. Location Global, but with a particular focus on islands in the Americas and the Pacific. Time period Approximately 1000–1920 CE. Major taxa studied Humans and two of their pathogens: smallpox and influenza. Methods We used historical mortality data from populations afflicted with smallpox or Spanish flu to test for relationships between isolation, a suite of covariates (e.g., island size, population density) and epidemic severity (mortality rate). Results We show that populations isolated from the mainland suffered greater mortality. Interestingly, New World populations suffered universally higher mortality during smallpox epidemics, probably because they became isolated before the appearance of smallpox, causing high levels of susceptibility. Conversely, by 1918 New World populations were predominantly Eurasian and thus historically exposed to influenza, causing low mortality. Conclusion Human populations exhibit patterns of epidemics analogous to those in non‐human species; isolated populations tend to suffer more severe epidemics. However, historical contingencies can cause patterns to diverge from those typically observed among other free‐living species. Generally, we suggest that geography underlies the ecology and evolution of humans and their pathogens.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».