Human impact modulates chytrid fungus occurrence in amphibians in the Brazilian Atlantic Forest
Notice bibliographique
Résumé
Here, we investigate the influence of scale on different drivers influencing the occurrence of the chytrid fungus, Batrachochytrium dendrobatidis (Bd), in the Atlantic Forest, Brazil. We used gridded values of proxies of the abiotic, biotic and anthropogenic components of landscapes where Bd infects amphibians. Building upon disease prevalence data obtained from a previous work, we fitted GLS multiple regression models using extracted values of the three predictors for each prevalence centroid in space, explicitly controlling for spatial autocorrelation among predictors. To test for the effect of scale on driving the macroecology of Bd infection, we performed tests at different spatial scales. We then used model selection procedures to evaluate the relative contribution of the different predictors on the occurrence of the fungus. The Human Footprint Index better explained a pathogenic species occurrence than largely studied biotic and abiotic factors (i.e., host species distribution and minimum monthly potential evapotranspiration). That effect was, however, not observed at landscape scale, where we found no difference among the relative influence of predictors. Our results indicate that human-mediated impacts on environments can be strong drivers of spread of infectious diseases on native faunas worldwide, thus, suggesting that anthropogenic landscapes may create favourable conditions for the occurrence of this and other infectious 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 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 | 0,000 |
| 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) | 0,001 | 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 ».