Climate change and African trypanosomiasis vector populations in Zimbabwe's Zambezi Valley: A mathematical modelling study
Notice bibliographique
Résumé
BACKGROUND: Quantifying the effects of climate change on the entomological and epidemiological components of vector-borne diseases is an essential part of climate change research, but evidence for such effects remains scant, and predictions rely largely on extrapolation of statistical correlations. We aimed to develop a mechanistic model to test whether recent increases in temperature in the Mana Pools National Park of the Zambezi Valley of Zimbabwe could account for the simultaneous decline of tsetse flies, the vectors of human and animal trypanosomiasis. METHODS AND FINDINGS: The model we developed incorporates the effects of temperature on mortality, larviposition, and emergence rates and is fitted to a 27-year time series of tsetse caught from cattle. These catches declined from an average of c. 50 flies per animal per afternoon in 1990 to c. 0.1 in 2017. Since 1975, mean daily temperatures have risen by c. 0.9°C and temperatures in the hottest month of November by c. 2°C. Although our model provided a good fit to the data, it cannot predict whether or when extinction will occur. CONCLUSIONS: The model suggests that the increase in temperature may explain the observed collapse in tsetse abundance and provides a first step in linking temperature to trypanosomiasis risk. If the effect at Mana Pools extends across the whole of the Zambezi Valley, then transmission of trypanosomes is likely to have been greatly reduced in this warm low-lying region. Conversely, rising temperatures may have made some higher, cooler, parts of Zimbabwe more suitable for tsetse and led to the emergence of new disease foci.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».