Climate drivers of vector-borne diseases in Africa and their relevance to control programmes
Notice bibliographique
Résumé
BACKGROUND: Climate-based disease forecasting has been proposed as a potential tool in climate change adaptation for the health sector. Here we explore the relevance of climate data, drivers and predictions for vector-borne disease control efforts in Africa. METHODS: Using data from a number of sources we explore rainfall and temperature across the African continent, from seasonality to variability at annual, multi-decadal and timescales consistent with climate change. We give particular attention to three regions defined as WHO-TDR study zones in Western, Eastern and Southern Africa. Our analyses include 1) time scale decomposition to establish the relative importance of year-to-year, decadal and long term trends in rainfall and temperature; 2) the impact of the El Niño Southern Oscillation (ENSO) on rainfall and temperature at the Pan African scale; 3) the impact of ENSO on the climate of Tanzania using high resolution climate products and 4) the potential predictability of the climate in different regions and seasons using Generalized Relative Operating Characteristics. We use these analyses to review the relevance of climate forecasts for applications in vector borne disease control across the continent. RESULTS: Timescale decomposition revealed long term warming in all three regions of Africa - at the level of 0.1-0.3 °C per decade. Decadal variations in rainfall were apparent in all regions and particularly pronounced in the Sahel and during the East African long rains (March-May). Year-to-year variability in both rainfall and temperature, in part associated with ENSO, were the dominant signal for climate variations on any timescale. Observed climate data and seasonal climate forecasts were identified as the most relevant sources of climate information for use in early warning systems for vector-borne diseases but the latter varied in skill by region and season. CONCLUSIONS: Adaptation to the vector-borne disease risks of climate variability and change is a priority for government and civil society in African countries. Understanding rainfall and temperature variations and trends at multiple timescales and their potential predictability is a necessary first step in the incorporation of relevant climate information into vector-borne disease control decision-making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».