MétaCan
Menu
← Retour à la cohorte
Enregistrement W2982775501 · doi:10.7554/elife.11285.014

Author response: Evaluating probabilistic dengue risk forecasts from a prototype early warning system for Brazil

2015· peer-review· en· W2982775501 sur OpenAlexaff
Rachel Lowe, Caio A. S. Coelho, Christovam Barcellos, Marília Sá Carvalho, Rafael de Castro Catão, Giovanini Evelim Coelho, Walter Massa Ramalho, Trevor Bailey, David B. Stephenson, Xavier Rodó

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésDengue feverProbabilistic logicWarning systemGeographyOutbreakEarly warning systemComputer scienceArtificial intelligenceMedicineVirology

Résumé

récupéré en direct d'OpenAlex

Dengue is a viral infection spread by mosquitoes and is widespread in tropical and sub-tropical regions. Dengue epidemics in Brazil often occur without warning, and can overwhelm the public health services. Forecasts of seasonal climates combined with early data from a dengue surveillance system could help public health services anticipate dengue outbreaks several months in advance. However, this information has not been previously exploited to predict dengue epidemics in a practical real-life framework. Recently, a group of researchers developed a prototype of a dengue early warning system based on 13 years worth of data, and used it to predict the risk of dengue three months ahead of the 2014 FIFA World Cup in Brazil. Now Lowe et al. – including most of the researchers involved in the earlier work – have evaluated the prototype against the actual reported cases of dengue during the event. Brazil is divided into over 550 'microregions', and the forecasts correctly predicted high risk of dengue for 57% of the microregions reporting high levels of dengue during the games. Forecasts based on seasonal dengue averages would have only detected high risk in 33% of these microregions. The forecasts also correctly predicted the dengue risk level in seven out of the twelve cities where the World Cup games were hosted. However, the prototype failed to predict the high risk in both São Paulo and Brasília. Lowe et al. speculate that this may have been due to changes in how water was stored in these cities (standing water is a breeding site for mosquitoes) and the circulation of a new strain of the dengue virus. The implementation of seasonal climate forecasts and early reports of dengue cases into an early warning system is now a priority for public health authorities. This action is likely to help them to prepare for and minimize epidemics of dengue and other diseases that are spread by mosquitoes, such as chikungunya and Zika virus.

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)0,004
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,087
Tête enseignante GPT0,409
Écart entre enseignants0,322 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMosquito-borne diseases and control→Travaux en français237 207→