MétaCan
Menu
Retour à la cohorte
Enregistrement W3210629674 · doi:10.1186/s13071-021-05051-3

Updated distribution maps of predominant Culex mosquitoes across the Americas

2021· article· en· W3210629674 sur OpenAlexaboutno aff
Morgan E. Gorris, Andrew W. Bartlow, Seth D Temple, Daniel Romero-Álvarez, Deborah P. Shutt, Jeanne M. Fair, Kimberly Kaufeld, Sara Y. Del Valle, Carrie A. Manore

Notice bibliographique

RevueParasites & Vectors · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesLos Alamos National LaboratoryNational Nuclear Security AdministrationWashington State UniversityU.S. Department of Energy
Mots-clésCulexCulex quinquefasciatusEcologyRange (aeronautics)BiologyGeographyDistribution (mathematics)Mosquito controlEnvironmental niche modellingSpecies distributionEntomologyEcological nicheHabitatMalariaAedes aegypti

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Estimates of the geographical distribution of Culex mosquitoes in the Americas have been limited to state and provincial levels in the United States and Canada and based on data from the 1980s. Since these estimates were made, there have been many more documented observations of mosquitoes and new methods have been developed for species distribution modeling. Moreover, mosquito distributions are affected by environmental conditions, which have changed since the 1980s. This calls for updated estimates of these distributions to understand the risk of emerging and re-emerging mosquito-borne diseases. METHODS: We used contemporary mosquito data, environmental drivers, and a machine learning ecological niche model to create updated estimates of the geographical range of seven predominant Culex species across North America and South America: Culex erraticus, Culex nigripalpus, Culex pipiens, Culex quinquefasciatus, Culex restuans, Culex salinarius, and Culex tarsalis. RESULTS: We found that Culex mosquito species differ in their geographical range. Each Culex species is sensitive to both natural and human-influenced environmental factors, especially climate and land cover type. Some prefer urban environments instead of rural ones, and some are limited to tropical or humid areas. Many are found throughout the Central Plains of the USA. CONCLUSIONS: Our updated contemporary Culex distribution maps may be used to assess mosquito-borne disease risk. It is critical to understand the current geographical distributions of these important disease vectors and the key environmental predictors structuring their distributions not only to assess current risk, but also to understand how they will respond to climate change. Since the environmental predictors structuring the geographical distribution of mosquito species varied, we hypothesize that each species may have a different response to climate change.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,284
Écart entre enseignants0,268 · 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'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

Citations130
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueParasites & VectorsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207