MétaCan
Menu
Retour à la cohorte
Enregistrement W2948613847 · doi:10.1186/s13071-019-3547-z

Malaria smear positivity among Kenyan children peaks at intermediate temperatures as predicted by ecological models

2019· article· en· W2948613847 sur OpenAlexfundno aff
Melisa M. Shah, Amy Krystosik, Bryson Ndenga, Francis Mutuku, Jamie M. Caldwell, Victoria Otuka, Philip Chebii, Priscillah W Maina, Zainab Jembe, Charles Ronga, Donal Bisanzio, Assaf Anyamba, R. Damoah, Kelsey Ripp, Prasanna Jagannathan, Erin A. Mordecai, A. Desirée LaBeaud

Notice bibliographique

RevueParasites & Vectors · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMalaria Research and Control
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesStanford Woods Institute for the EnvironmentNational Institutes of HealthChild and Family Research InstituteNational Science Foundation
Mots-clésKenyaEntomologyParasitologyMalariaTropical medicineBiologyEcologyMedical microbiologyEnvironmental healthVeterinary medicineZoologyImmunologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Ambient temperature is an important determinant of malaria transmission and suitability, affecting the life-cycle of the Plasmodium parasite and Anopheles vector. Early models predicted a thermal malaria transmission optimum of 31 °C, later revised to 25 °C using experimental data from mosquito and parasite biology. However, the link between ambient temperature and human malaria incidence remains poorly resolved. METHODS: To evaluate the relationship between ambient temperature and malaria risk, 5833 febrile children (<18 years-old) with an acute, non-localizing febrile illness were enrolled from four heterogenous outpatient clinic sites in Kenya (Chulaimbo, Kisumu, Msambweni and Ukunda). Thick and thin blood smears were evaluated for the presence of malaria parasites. Daily temperature estimates were obtained from land logger data, and rainfall from National Oceanic and Atmospheric Administration (NOAA)'s Africa Rainfall Climatology (ARC) data. Thirty-day mean temperature and 30-day cumulative rainfall were estimated and each lagged by 30 days, relative to the febrile visit. A generalized linear mixed model was used to assess relationships between malaria smear positivity and predictors including temperature, rainfall, age, sex, mosquito exposure and socioeconomic status. RESULTS: Malaria smear positivity varied between 42-83% across four clinic sites in western and coastal Kenya, with highest smear positivity in the rural, western site. The temperature ranges were cooler in the western sites and warmer in the coastal sites. In multivariate analysis controlling for socioeconomic status, age, sex, rainfall and bednet use, malaria smear positivity peaked near 25 °C at all four sites, as predicted a priori from an ecological model. CONCLUSIONS: This study provides direct field evidence of a unimodal relationship between ambient temperature and human malaria incidence with a peak in malaria transmission occurring at lower temperatures than previously recognized clinically. This nonlinear relationship with an intermediate optimal temperature implies that future climate warming could expand malaria incidence in cooler, highland regions while decreasing incidence in already warm regions with average temperatures above 25 °C. These findings support efforts to further understand the nonlinear association between ambient temperature and vector-borne diseases to better allocate resources and respond to disease threats in a future, warmer world.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,241
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations35
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueParasites & VectorsMême sujetMalaria Research and ControlTravaux en français237 207