Estimating the probability of arbovirus outbreaks in large southern European city infested by Aedes albopictus
Notice bibliographique
Résumé
Background The presence of the mosquito species Aedes albopictus, competent vector of Chikungunya (CHIKV) and Dengue (DENV), and the possible arrival of infected travellers returning from endemic countries may represent a public health risk for Southern European countries. The aim of this work was to assess the weekly risk of CHIKV, DENV and ZIKA virus outbreaks in Rome tackling both the risk of infected-host introduction and patterns of local transmission. Methods The probability of infected-host introduction was estimated by a binomial process dependent from the number of infected cases in endemic country and the probability of travelling to Rome. A geometric process with means R0HV (reproductive number for host to mosquito transmission) and R0VH (mosquito to host) estimated the probability of successful transmission. Outbreak probability was estimated in 3 scenarios of different vector-host contact ratio and 2 scenarios of epidemic outbreaks in 5 different endemic countries. Weekly data of global cases and inbound and outbound Rome travellers were joined with field-derived estimates of A. albopictus abundance within the city. Results The model correctly estimated the number of DENV and CHIKV imported cases notified to the national health system. The estimated outbreak probability was ≤1% for both DENV and CHIKV under scenarios of low vector-host contacts, but the risk increased significantly (i.e. DENV outbreak risk =21%; CHIKV outbreak risk=47%; null for Zika) under a scenario of higher vector abundance, still consistent with the abundance data from infested hot spots within the urban area. Conclusion This work disentangles the role of seasonality of mosquito dynamics, traveller’s inflow and temporal pattern of infected cases in endemic countries in building up an outbreak risk model.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».