Could a rabies incursion spread in the northern Australian dingo population? Development of a spatial stochastic simulation model
Notice bibliographique
Résumé
Australia, home to the iconic dingo, is currently free from canine rabies. However northern Australia, including Indigenous communities with large free-roaming domestic dog populations, is at increased risk of rabies incursion from nearby Indonesia. We developed a novel agent-based stochastic spatial rabies spread model to evaluate the potential spread of rabies within the dingo population of the Northern Peninsula Area (NPA) region of northern Australia. The model incorporated spatio-temporal features specific to this host-environment system, including landscape heterogeneity, demographic fluctuations, dispersal movements and dingo ecological parameters-such as home range size and density-derived from NPA field studies. Rabies spread between dingo packs in nearly 60% of simulations. In such situations rabies would affect a median of 22 dingoes (approximately 14% of the population; 2.5-97.5 percentiles: 2-101 dingoes) within the study area which covered 1,131 km2, and spread 0.52 km/week for 191 days. Larger outbreaks occurred in scenarios in which an incursion was introduced during the dry season (vs. wet season), and close to communities (vs. areas with high risk of interaction between dingoes and hunting community dogs). Sensitivity analyses revealed that home range size and duration of infectious clinical period contributed most to the variance of outputs. Although conditions in the NPA would most likely not support a sustained propagation of the disease in the dingo population, due to the predicted number of infected dingoes following a rabies incursion and the proximity of Indigenous communities to dingo habitat, we conclude that the risk for human transmission could be substantial.
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 ».