A combination of climatic conditions determines major within-season dengue outbreaks in Guangdong Province, China
Notice bibliographique
Résumé
BACKGROUND: China's Guangdong Province experienced a major dengue outbreak in 2014. Here we investigate if the weather conditions contributing to the outbreak can be elucidated by multi-scale models. METHODS: A multi-scale modelling framework, parameterized by available weather, vector and human case data, was used to examine the integrative effect of temperature and precipitation variation on the effective reproduction number (ERN) of dengue fever. RESULTS: With temperature in the range of 25-30 °C, increasing precipitation leads to an increase in the ERN with an average lag of 10 days. With monthly precipitation fixed, the more regular the pattern of rainfall (i.e. higher numbers of rainy days), the larger is the total number of adult mosquitoes. A rainfall distribution peaking in June and July produces a large ERN, beneficial to transmission. Climate conditions conducive to major outbreaks within a season are a combination of relatively high temperature, high precipitation peaking in June and July, and uninterrupted drizzle or regular rainfall. CONCLUSIONS: Evaluating a set of weather conditions favourable to a future major dengue outbreak requires near-future prediction of temperature variation, total rainfall and its peaking times. Such information permits seasonal rapid response management decisions due to the lags between the precipitation events and the realisation of the ERN.
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 ».