Defining the risk landscape in the context of pathogen pollution: <i>Toxoplasma gondii</i> in sea otters along the Pacific Rim
Notice bibliographique
Résumé
Pathogens entering the marine environment as pollutants exhibit a spatial signature driven by their transport mechanisms. The sea otter ( Enhydra lutris ), a marine animal which lives much of its life within sight of land, presents a unique opportunity to understand land–sea pathogen transmission. Using a dataset on Toxoplasma gondii prevalence across sea otter range from Alaska to California, we found that the dominant drivers of infection risk vary depending upon the spatial scale of analysis. At the population level, regions with high T. gondii prevalence had higher human population density and a greater proportion of human-dominated land uses, suggesting a strong role for population density of the felid definitive host of this parasite. This relationship persisted when a subset of data were analysed at the individual level: large-scale patterns in sea otter T. gondii infection prevalence were largely explained by individual exposure to areas of high human housing unit density, and other landscape features associated with anthropogenic land use, such as impervious surfaces and cropping land. These results contrast with the small-scale, within-region analysis, in which age, sex and prey choice accounted for most of the variation in infection risk, and terrestrial environmental features provided little variation to help in explaining observed patterns. These results underscore the importance of spatial scale in study design when quantifying both individual-level risk factors and landscape-scale variation in infection 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».