Assessing systemic and non-systemic transmission risk of tick-borne encephalitis virus in Hungary
Notice bibliographique
Résumé
Estimating the tick-borne encephalitis (TBE) infection risk under substantial uncertainties of the vector abundance, environmental condition and human-tick interaction is important for evidence-informed public health intervention strategies. Estimating this risk is computationally challenging since the data we observe, i.e., the human incidence of TBE, is only the final outcome of the tick-host transmission and tick-human contact processes. The challenge also increases since the complex TBE virus (TBEV) transmission cycle involves the non-systemic route of transmission between co-feeding ticks. Here, we describe the hidden Markov transition process, using a novel TBEV transmission-human case reporting cascade model that couples the susceptible-infected compartmental model describing the TBEV transmission dynamics among ticks, animal hosts and humans, with the stochastic observation process of human TBE reporting given infection. By fitting human incidence data in Hungary to the transmission model, we estimate key parameters relevant to the tick-host interaction and tick-human transmission. We then use the parametrized cascade model to assess the transmission potential of TBEV in the enzootic cycle with respect to the climate change, and to evaluate the contribution of non-systemic transmission. We show that the TBEV transmission potential in the enzootic cycle has been increasing along with the increased temperature though the TBE human incidence has dropped since 1990s, emphasizing the importance of persistent public health interventions. By demonstrating that non-systemic transmission pathway is a significant factor in the transmission of TBEV in Hungary, we conclude that the risk of TBE infection will be highly underestimated if the non-systemic transmission route is neglected in the risk assessment.
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 | 0,000 |
| 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 ».