Earth Observation-Informed Risk Maps of the Lyme Disease Vector Ixodes scapularis in Central and Eastern Canada
Notice bibliographique
Résumé
Climate change is facilitating the geographic range expansion of populations of the tick vector of Lyme disease Ixodes scapularis in Canada. Here, we characterize and map the spatio-temporal variability of environments suitable for I. scapularis using Earth observation (EO) data. A simple algorithm for I. scapularis occurrence (cumulative degree-days and forest: CSDF) was developed by combining cumulative annual surface degree-days above 0 °C and forest cover. To map the environmental risk of I. scapularis (risk of I. scapularis: RIS) in central and eastern Canada from 2000 to 2015, CSDF was adjusted using data from an I. scapularis population model. CSDF was validated using cumulative annual degree days >0 °C (CADD) from meteorological stations, and CSDF was strongly associated with CADD (n = 52, R2 > 0.86, p < 0.001). Data on field surveillance for I. scapularis ticks (2008 to 2018) were used to validate the risk maps. The presence of I. scapularis ticks was significantly associated with CSDF, and at a limit of 2800, sensitivity approached 100%. RIS increased over the study period, with the highest values in 2012 and the lowest in 2000. The RIS was on average higher in Ontario and Quebec compared to other provinces, and it was higher in the southern parts of the provinces. The proportion of the populated areas with a positive RIS increased on average in central and eastern Canada from 2000 to 2015. Predicted I. scapularis occurrence identifies areas with a more probable risk of tick bites, Lyme disease, and other I. scapularis-borne diseases, which can help guide targeted surveillance, prevention, and control 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 | 0,000 | 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 ».