A meteorological-based forecasting model for predicting minimal infection rates in Culex pipiens-restuans complex using Québec’s West Nile virus integrated surveillance system
Notice bibliographique
Résumé
Background: The ministère de la Santé et des Services sociaux (MSSS) du Québec (Québec's health authority) has expressed an interest in the development of an early warning tool to identify seasonal human outbreaks of West Nile virus infection in order to modulate public health interventions.The objective of this study was to determine if a user-friendly meteorological-based forecasting tool could be used to predict minimal infection rates for the Culex pipiens-restuans complex-a proxy of human risk-ahead of mosquito season.Methods: Annual minimal infection rate (number of positive pools/number of mosquitoes) was calculated for 856 mosquito traps set from 2003 to 2006 and 2013 to 2018 throughout the south of Québec's.Coefficient of determination (R 2 ) were estimated using the validation dataset (one third of the database by random selection) with generalized estimation equations, which were prior fitted backwards with polynomial terms using the training dataset (two thirds of the database), in order to minimize the Bayesian information criteria.Mean temperatures and precipitation were grouped at five temporal scales (by month, by season and by 4, 6 and 10-months groupings).Results: Mean temperatures and cumulative precipitation from the previous months of March (R 2 =0.37),May (R 2 =0.36), December (R 2 =0.35) and the autumn season (R 2 =0.38) accounted for ~40% of Cx. pipiens-restuans annual minimal infection rates variations.Including the "year of sampling" variable in all regression models increased the predictive abilities (R 2 between 0.42 and 0.57). Conclusion:All regression models explored have too weak predictive abilities to be useful as a public health tool.Other factors implicated in the epidemiology of the West Nile virus need to be incorporated in a meteorological-based early warning model for it to be useful to the provincial health authorities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».