MétaCan
Menu
Retour à la cohorte
Enregistrement W4386481869 · doi:10.1038/s41467-023-41017-y

Projecting the future incidence and burden of dengue in Southeast Asia

2023· article· en· W4386481869 sur OpenAlexaff
Felipe J. Colón‐González, Rory Gibb, Kamran Khan, Alexander Watts, Rachel Lowe, Oliver J. Brady

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensEsri (Canada)BlueDot (Canada)University of Toronto
Organismes subventionnairesMedical Research Council
Mots-clésDengue feverUrbanizationClimate changeGeographyIncidence (geometry)Dengue virusPsychological interventionEnvironmental healthSoutheast asiaPopulationSocioeconomicsDemographyEconomic growthMedicineVirologyEcologyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

The recent global expansion of dengue has been facilitated by changes in urbanisation, mobility, and climate. In this work, we project future changes in dengue incidence and case burden to 2099 under the latest climate change scenarios. We fit a statistical model to province-level monthly dengue case counts from eight countries across Southeast Asia, one of the worst affected regions. We project that dengue incidence will peak this century before declining to lower levels with large variations between and within countries. Our findings reveal that northern Thailand and Cambodia will show the biggest decreases and equatorial areas will show the biggest increases. The impact of climate change will be counterbalanced by income growth, with population growth having the biggest influence on increasing burden. These findings can be used for formulating mitigation and adaptation interventions to reduce the immediate growing impact of dengue virus in the region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,305
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,325
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMosquito-borne diseases and controlTravaux en français237 207