MétaCan
Menu
Retour à la cohorte
Enregistrement W3001489497 · doi:10.1101/2020.01.24.918755

Climate change will drive novel cross-species viral transmission

2020· preprint· en· W3001489497 sur OpenAlexfundno aff
Colin J. Carlson, Gregory F. Albery, Cory Merow, Christopher H. Trisos, Casey M. Zipfel, Evan A. Eskew, Kevin J. Olival, Noam Ross, Shweta Bansal

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensnon disponible
Organismes subventionnairesNational Socio-Environmental Synthesis CenterInstitut de Valorisation des DonnéesUnited States Agency for International DevelopmentNational Science Foundation
Mots-clésBiological dispersalWildlifeMammalRange (aeronautics)EcologyClimate changeBiodiversityPopulationGeographyBiologyWildlife tradeSpillover effect

Résumé

récupéré en direct d'OpenAlex

Abstract At least 10,000 species of mammal virus are estimated to have the potential to spread in human populations, but the vast majority are currently circulating in wildlife, largely undescribed and undetected by disease outbreak surveillance 1–3 . In addition, changing climate and land use are already driving geographic range shifts in wildlife, producing novel species assemblages and opportunities for viral sharing between previously isolated species 4, 5 . In some cases, this will inevitably facilitate spillover into humans 6, 7 —a possible mechanistic link between global environmental change and emerging zoonotic disease 8 . Here, we map potential hotspots of viral sharing, using a phylogeographic model of the mammal-virus network, and projections of potential geographic range shifts for 3,139 mammal species under climate change and land use scenarios for the year 2070. Range-shifting mammal species are predicted to aggregate at high elevations, in biodiversity hotspots, and in areas of high human population density in Asia and Africa, driving the novel cross-species transmission of their viruses an estimated 4,000 times. Counter to expectations, holding warming under 2°C within the century does not reduce new viral sharing, due to greater potential range expansions— highlighting the need to invest in surveillance even in a low-warming future. Most projected viral sharing is driven by diverse hyperreservoirs (rodents and bats) and large-bodied predators (carnivores). Because of their unique dispersal capacity, bats account for the majority of novel viral sharing, and are likely to share viruses along evolutionary pathways that could facilitate future emergence in humans. Our findings highlight the urgent need to pair viral surveillance and discovery efforts with biodiversity surveys tracking species’ range shifts, especially in tropical countries that harbor the most emerging zoonoses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,281
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetZoonotic diseases and public healthTravaux en français237 207