Impact of past and on-going changes on climate and weather on vector-borne diseases transmission: a look at the evidence
Notice bibliographique
Résumé
BACKGROUND: The climate variables that directly influence vector-borne diseases' ecosystems are mainly temperature and rainfall. This is not only because the vectors bionomics are strongly dependent upon these variables, but also because most of the elements of the systems are impacted, such as the host behavior and development and the pathogen amplification. The impact of the climate changes on the transmission patterns of these diseases is not easily understood, since many confounding factors are acting together. Consequently, knowledge of these impacts is often based on hypothesis derived from mathematical models. Nevertheless, some direct evidences can be found for several vector-borne diseases. MAIN BODY: Evidences of the impact of climate change are available for malaria, arbovirus diseases such as dengue, and many other parasitic and viral diseases such as Rift Valley Fever, Japanese encephalitis, human African trypanosomiasis and leishmaniasis. The effect of temperature and rainfall change as well as extreme events, were found to be the main cause for outbreaks and are alarming the global community. Among the main driving factors, climate strongly influences the geographical distribution of insect vectors, which is rapidly changing due to climate change. Further, in both models and direct evidences, climate change is seen to be affecting vector-borne diseases more strikingly in fringe of different climatic areas often in the border of transmission zones, which were once free of these diseases with human populations less immune and more receptive. The impact of climate change is also more devastating because of the unpreparedness of Public Health systems to provide adequate response to the events, even when climatic warning is available. Although evidences are strong at the regional and local levels, the studies on impact of climate change on vector-borne diseases and health are producing contradictory results at the global level. CONCLUSIONS: In this paper we discuss the current state of the results and draw on evidences from malaria, dengue and other vector-borne diseases to illustrate the state of current thinking and outline the need for further research to inform our predictions and response.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».