Spatio-Temporal Dynamic of Malaria Incidence: A Comparison of Two Ecological Zones in Mali
Notice bibliographique
Résumé
Malaria transmission largely depends on environmental, climatic, and hydrological conditions. In Mali, malaria epidemiological patterns are nested within three ecological zones. This study aimed at assessing the relationship between those conditions and the incidence of malaria in Dangassa and Koila, Mali. Malaria data was collected through passive case detection at community health facilities of each study site from June 2015 to January 2017. Climate and environmental data were obtained over the same time period from the Goddard Earth Sciences (Giovanni) platform and hydrological data from Mali hydraulic services. A generalized additive model was used to determine the lagged time between each principal component analysis derived component and the incidence of malaria cases, and also used to analyze the relationship between malaria and the lagged components in a multivariate approach. Malaria transmission patterns were bimodal at both sites, but peak and lull periods were longer lasting for Koila study site. Temperatures were associated with malaria incidence in both sites. In Dangassa, the wind speed (p = 0.005) and river heights (p = 0.010) contributed to increasing malaria incidence, in contrast to Koila, where it was humidity (p < 0.001) and vegetation (p = 0.004). The relationships between environmental factors and malaria incidence differed between the two settings, implying different malaria dynamics and adjustments in the conception and plan of interventions.
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 | 0,002 | 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 | 0,001 |
| 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 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 ».