The launch and operation of the malaria epidemic early warning system in Kenya
Notice bibliographique
Résumé
BackgroundThe climate based malaria epidemic early warning system for the western Kenya highlands was developed, tested and validated.During this process, it was critically important to involve key stakeholder to ensure a buy-in and institutionalization of the tool.The performance of the tool during a period of malaria intervention and climate variability was required. MethodsThree stakeholders' events were held to brief them on the progress of the tool development.Plasmodium falciparum prevalence data for Kisii and Kakamega, two highland sites were extracted for the period 2002-17.Laboratory confirmed malaria case data were obtained for Mukumu hospital, Kakamega County.The malaria epidemic predictions were compared to the malaria prevalence and clinical case data. ResultsThe involvement of the stakeholders resulted in their full support and institunalization of the epidemic prediction system at the Kenya Department of Meteorology.The tool identified 8 epidemic events between 2011-18 in Kisii and 27 in Kakamega Counties.The malaria interventions prevented epidemics between 2011-14, However, an El Niño event in 2015-17 caused several epidemics in Kakamega and Kisii. ConclusionsDue to the stakeholders' confidence in the tool, its predictions have consistently been used for determining if epidemic interventions are required.The epidemic early warning system indicates that climate variability is a threat to malaria control.
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 | 0,016 | 0,028 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».