Prediction of the Risk Distributions for Anopheles sinensis, a Vector for Malaria in Shanghai, China
Notice bibliographique
Résumé
Malaria is a parasitic disease caused by Plasmodium, and Anopheles sinensis is a vector of malaria. Although malaria is no longer indigenous to China, a high risk remains for local transmission of imported malaria. This study aimed to identify the risk distribution of vector An. sinensis and malaria transmission. Using data collected from routine monitoring in Shanghai from 2010 to 2020, online databases for An. sinensis and malaria, and environmental variables including climate, geography, vegetation, and hosts, we constructed 10 algorithms and developed ensemble models. The ensemble models combining multiple algorithms (An. sinensis: area under the curve [AUC] = 0.981, kappa = 0.920; malaria: AUC = 0.959, kappa = 0.800), with the best out-of-sample performance, were used to identify important environmental predictors for the risk distributions of An. sinensis and malaria transmission. For An. sinensis, the most important predictor in the ensemble model was moisture index, which reflected degree of wetness; the risk of An. sinensis decreased with higher degrees of wetness. For malaria transmission, the most important predictor in the ensemble model was the normalized differential vegetation index, which reflected vegetation cover; the risk of malaria transmission decreased with more vegetation cover. Risk levels for An. sinensis and malaria transmission for each district of Shanghai were presented; however, there was a mismatch between the risk classification maps of An. sinensis and malaria transmission. Facing the challenge of malaria transmission in Shanghai, in addition to precise An. sinensis monitoring in risk areas of malaria transmission, malaria surveillance should occur even in low-risk areas for An. sinensis.
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 | 0,003 |
| 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 ».