The influence of weather on the population dynamics of common mosquito vector species in the Canadian Prairies
Notice bibliographique
Résumé
BACKGROUND: Mosquito seasonal activity is largely driven by weather conditions, most notably temperature, precipitation, and relative humidity. The extent by which these weather variables influence activity is intertwined with the animal's biology and may differ by species. For mosquito vectors, changes in weather can also alter host-pathogen interactions thereby increasing or decreasing the burden of disease. METHODS: In this study, we performed weekly mosquito surveillance throughout the active season over a 2-year period in Manitoba, Canada. We then used Generalized Linear Mixed Models (GLMMs) to explore the relationships between weather variables over the preceding 2 weeks and mosquito trap counts for four of the most prevalent vector species in this region: Oc. dorsalis, Ae. vexans, Cx. tarsalis, and Cq. perturbans. RESULTS: More than 265,000 mosquitoes were collected from 17 sampling sites throughout Manitoba in 2020 and 2021, with Ae. vexans the most commonly collected species followed by Cx. tarsalis. Aedes vexans favored high humidity, intermediate degree days, and low precipitation. Coquillettidia perturbans and Oc. dorsalis activity increased with high humidity and high rainfall, respectively. Culex tarsalis favored high degree days, with the relationship between number of mosquitoes captured and precipitation showing contrasting patterns between years. Minimum trapping temperature only impacted Ae. vexans and Cq. perturbans trap counts. CONCLUSIONS: The activity of all four mosquito vectors was affected by weather conditions recorded in the 2 weeks prior to trapping, with each species favoring different conditions. Although some research has been done to explore the relationships between temperature/precipitation and Cx. tarsalis in the Canadian Prairies, to our knowledge this is the first study to investigate other commonly found vector species in this region. Overall, this study highlights how varying weather conditions can impact mosquito activity and in turn species-specific vector potential.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».