A citizen science approach to investigate the distribution, abundance, and pathogen infection of vector ticks through active surveillance
Notice bibliographique
Résumé
Tick-borne disease poses a growing public health burden in the United States and understanding the patterns of presence and density of infected vector ticks is key to developing and implementing effective public health management strategies. Citizen science has emerged as a highly effective means to generate data sets on the geographical distribution of tick species. But to date, nearly all citizen science studies of ticks are 'passive surveillance' programs in which researchers accept reports of ticks, together with either physical specimens or digital images, found opportunistically on people, pets, and livestock from community members for species identification and in some cases also tick-borne pathogen detection. These studies are limited because data are not collected systematically, making comparisons among locations and over time challenging, and introducing considerable reporting bias. In this study, we engaged citizen scientists in 'active surveillance' of host-seeking ticks, training volunteers to actively collect ticks on their woodland properties in an emergent region of tick-borne disease in the state of Maine, USA. We developed volunteer recruitment strategies, materials to train volunteers in data collection methods, field data collection protocols based on techniques used by professional scientists, and a variety of incentives to promote volunteer retention and satisfaction with their experiences, and we communicated research findings to participants. A total of 125 volunteers in 2020 and 181 volunteers in 2021 collected 7,246 ticks in southern and coastal Maine, including the American dog tick (Dermacentor variabilis, 4,023 specimens), the blacklegged tick (Ixodes scapularis, 3,092 specimens), and the rabbit tick (Haemaphysalis leporispalustris, 102 specimens). We demonstrated the feasibility of citizen scientists collecting ticks using active surveillance methods and found that volunteers were motivated to participate largely by their interest in the scientific problem and a desire to learn about ticks on their properties.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».