Effects of large-scale oceanic phenomena on non-cholera vibriosis incidence in the United States: implications for climate change
Notice bibliographique
Résumé
Non-cholera Vibrio (NCV) species are important causes of disease. These pathogens are thermophilic and climate change could increase the risk of NCV infection. The El Niño Southern Oscillation (ENSO) is a 'natural experiment' that may presage ocean warming effects on disease incidence. In order to evaluate possible climatic contributions to observed increases in NCV infection, we obtained NCV case counts for the United States from publicly available surveillance data. Trends and impacts of large-scale oceanic phenomena, including ENSO, were evaluated using negative binomial and distributed non-linear lag models (DNLM). Associations between latitude and changing risk were evaluated with meta-regression. Trend models demonstrated expected seasonality (P < 0.001) and a 7% (6.1%-8.1%) annual increase in incidence from 1999 to 2014. DNLM demonstrated increased vibriosis risk following ENSO conditions over the subsequent 12 months (relative risk 1.940, 95% confidence interval (CI) 1.298-2.901). The 'relative-relative risk' (RRR) of annual disease incidence increased with latitude (RRR per 10° increase 1.066, 95% CI 1.027-1.107). We conclude that NCV risk in the United States is impacted by ocean warming, which is likely to intensify with climate change, increasing NCV risk in vulnerable populations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».