Malaria mosquito control in rice paddy farms using biolarvicide mixed with fertilizer in Tanzania: semi-field experiments
Notice bibliographique
Résumé
The wide distribution of malaria mosquito breeding sites within tropical environments limits the mosquito larval source management efforts to control malaria. Rice farming contributes substantially in supporting malaria mosquito productivity in tropical countries. To overcome this challenge, this study was carried out to determine the effect of applying a mixture of biolarvicide and fertilizer on mosquito larvae density in rice farms under semi-field conditions in Tanzania. A semi-field experiment was designed to determine the timing of application of a biolarvicide, Bacillus thuringiensis israelensis (Bti) and fertilizer (di-ammonium phosphate-DAP or urea) and assess their effect on mosquito larvae density and rice grain outputs. The experiment had five blocks (4 treatment arms and one control arm) and each had four replicates. Treatment arms had different intervals of days between treatments for mixtures of fertilizer and biolarvicides. The dosages used were 10 g of Bti/16 M 2 and 160 g of DAP/Urea/16 m 2 . In overall, the intervention blocks (with biolarvicide) had lowest mean mosquito larvae abundance compared to control block (F = 22.42, P < 0.001). Similarly, the control arm maintained highest density of Anopheles gambiae sensu lato larvae compared to interventions blocks (F = 21.6, P < 0.001). The best determined timing for application of Bti was in 7 and in 10 days (F = 3.753, P < 0.001). There was neither significant different in mean rice grain harvest per ten panicle (F = 1.453, P = 0.27) nor mean difference in rice grain harvest (F = 1.479, P = 0.26) per intervention arms. The findings of this study have shown that application of a mixture of Bti and fertilizer have impact on both mosquito larvae density and maintaining yield rice harvest. Thus, application of a combination of biolarvicide and fertilizer can be an alternative approach in malaria mosquito intervention among rice farming communities of rural Tanzania.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».