Heterogeneous exposure and hotspots for malaria vectors at three study sites in Uganda
Notice bibliographique
Résumé
Background: Heterogeneity in malaria transmission has household, temporal, and spatial components. These factors are relevant for improving the efficiency of malaria control by targeting heterogeneity. To quantify variation, we analyzed mosquito counts from entomological surveillance conducted at three study sites in Uganda that varied in malaria transmission intensity. Mosquito biting or exposure is a risk factor for malaria transmission. Methods: Using a Bayesian zero-inflated negative binomial model, validated via a comprehensive simulation study, we quantified household differences in malaria vector density and examined its spatial distribution. We introduced a novel approach for identifying changes in vector abundance hotspots over time by computing the Getis-Ord statistic on ratios of household biting propensities for different scenarios. We also explored the association of household biting propensities with housing and environmental covariates. Results: In each site, there was evidence for hot and cold spots of vector abundance, and spatial patterns associated with urbanicity, elevation, or other environmental covariates. We found some differences in the hotspots in rainy vs. dry seasons or before vs. after the application of control interventions. Housing quality explained a portion of the variation among households in mosquito counts. Conclusion: This work provided an improved understanding of heterogeneity in malaria vector density at the three study sites in Uganda and offered a valuable opportunity for assessing whether interventions could be spatially targeted to be aimed at abundance hotspots which may increase malaria risk. Indoor residual spraying was shown to be a successful measure of vector control interventions in Tororo, Uganda. Cement walls, brick floors, closed eaves, screened airbricks, and tiled roofs were features of a house that had shown reduction of household biting propensity. Improvements in house quality should be recommended as a supplementary measure for malaria control reducing risk of infection.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».