MétaCan
Menu
Retour à la cohorte
Enregistrement W3154122903 · doi:10.1016/j.idm.2021.04.002

Yellow fever virus outbreak in Brazil under current and future climate

2021· article· en· W3154122903 sur OpenAlexafffund
Tara Sadeghieh, Jan M. Sargeant, Amy L. Greer, Olaf Berke, Guillaume Dueymes, Philippe Gachon, Nicholas H. Ogden, Victoria Ng

Notice bibliographique

RevueInfectious Disease Modelling · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensUniversity of GuelphUniversité du Québec à MontréalPublic Health Agency of Canada
Organismes subventionnairesPublic Health Agency of Canada
Mots-clésOutbreakClimate changeRepresentative Concentration PathwaysClimatologyEnvironmental scienceRadiative forcingGeographyClimate modelIncidence (geometry)Maximum temperatureForcing (mathematics)Atmospheric sciencesVirologyEcologyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Yellow fever (YF) is primarily transmitted by Haemagogus species of mosquitoes. Under climate change, mosquitoes and the pathogens that they carry are expected to develop faster, potentially impacting the case count and duration of YF outbreaks. The aim of this study was to determine how YF virus outbreaks in Brazil may change under future climate, using ensemble simulations from regional climate models under RCP4.5 and RCP8.5 scenarios for three time periods: 2011–2040 (short-term), 2041–2070 (mid-term), and 2071–2100 (long-term). A compartmental model was developed to fit the 2017/18 YF outbreak data in Brazil using least squares optimization. To explore the impact of climate change, temperature-sensitive mosquito parameters were set to change over projected time periods using polynomial equations fitted to their relationship with temperature according to the average temperature for years 2011–2040, 2041–2070, and 2071–2100 for climate change scenarios using RCP4.5 and RCP8.5, where RCP4.5/RCP8.5 corresponds to intermediate/high radiative forcing values and to moderate/higher warming trends. A sensitivity analysis was conducted to determine how the temperature-sensitive parameters impacted model results, and to determine how vaccination could play a role in reducing YF in Brazil. Yellow fever case projections for Brazil from the models varied when climate change scenarios were applied, including the peak clinical case incidence, cumulative clinical case incidence, time to peak incidence, and the outbreak duration. Overall, a decrease in YF cases and outbreak duration was observed. Comparing the observed incidence in 2017/18 to the projected incidence in 2070–2100, for RCP4.5, the cumulative case incidence decreased from 184 to 161, and the outbreak duration decreased from 21 to 20 weeks. For RCP8.5, the peak case incidence decreased from 184 to 147, and the outbreak duration decreased from 21 to 17 weeks. The observed decrease was primarily due to temperature increasing beyond that suitable for Haemagogus mosquito survival. Climate change is anticipated to have an impact on mosquito-borne diseases. We found outbreaks of YF may reduce in intensity as temperatures increase in Brazil; however, temperature is not the only factor involved with disease transmission. Other factors must be explored to determine the attributable impact of climate change on mosquito-borne diseases.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,333

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInfectious Disease ModellingMême sujetMosquito-borne diseases and controlTravaux en français237 207