Spatio-temporal analysis of environmental and climatic factors impacts on malaria morbidity in Ondo State, Nigeria
Notice bibliographique
Résumé
This study examined the spatio-temporal dynamics of malaria epidemiological patterns considering environmental(vegetation, water bodies, slope, elevation) and climatic factors (rainfall, temperature and relative humidity) in Ondo State, Nigeria, from 2013 to 2017 using ArcGIS 10.4 and QGIS software. The factors influencing malaria were studied using a multi-criteria analysis (Analytical Hierarchical Process-AHP). The trend analysis revealed an increase in cases over time, indicating a significant increase in the occurrence of malaria in all study areas. The most important climatic variable impacting malaria transmission in the study was temperature. Nevertheless, other environmental and climatic factors causing transmission include vegetation, water bodies, slopes, elevation, rainfall, and relative humidity. With the exception of Okitipupa, the study identified high-risk locations (vulnerable areas/hot spots) in almost all of the local government areas, while Ondo East, Akure South, Akoko South West, and Owo are the most vulnerable areas. The findings reveal that the malaria incidence is high in the developed LGAs having more towns where temperature is higher due to several anthropogenesis activities, high population and increased land-use. Thus, in-depth epidemiological studies on malaria should be undertaken in Ondo State and other regions of Nigeria considering environmental factors impacting malaria incidence as this will enable one to ascertain the major factors influencing the disease, thereby taking adequate measures to curb the increase in incidence.
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 | 0,001 | 0,001 |
| 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 ».