MétaCan
Menu
Retour à la cohorte
Enregistrement W2933692320 · doi:10.14745/ccdr.v45i04a02

Increased risk of tick-borne diseases with climate and environmental changes

2019· article· en· W2933692320 sur OpenAlexafffundvenueabout
Céline Bouchard, Antonia Dibernardo, Jules K. Koffi, Heidi Wood, PA Leighton, LR Lindsay

Notice bibliographique

RevueCanada Communicable Disease Report · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Vectors
Établissements canadiensUniversité de MontréalPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésTick-borne diseaseAnaplasmosisBabesiosisTickLyme diseasePublic healthEnvironmental healthBiologyClimate changeDiseaseVeterinary medicineEcologyMedicineImmunologyVirologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Climate warming and other environmental changes have contributed to the expansion of the range of several tick species into higher latitudes in North America.As temperatures increase in Canada, the environment becomes more suitable for ticks and the season suitable for tick activity lengthens, so tick-borne diseases are likely to become more common in Canada.In addition to Lyme disease, four other tick-borne diseases (TBDs) have started to emerge and are likely to increase: Anaplasmosis; Babesiosis; Powassan virus; and Borrelia miyamotoi disease.Increased temperature increases the survival and activity period of ticks, increases the range of both reservoir and tick hosts (e.g.mice and deer) and increases the duration of the season when people may be exposed to ticks.Other ticks and TBDs may spread into Canada as the climate changes.The public health strategies to mitigate the impact of all TBDs include surveillance to detect current and emerging TBDs, and public health actions to prevent infections by modifying environmental and social-behavioral risk factors through increasing public awareness.Clinical care strategies include patient education, early detection, laboratory testing, and treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,421
Score d'incertitude au seuil0,847

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations317
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanada Communicable Disease ReportMême sujetViral Infections and VectorsTravaux en français237 207