Risky business: human-related data is lacking from Lyme disease risk models
Notice bibliographique
Résumé
Used as a communicative tool for risk management, risk maps provide a service to the public, conveying information that can raise risk awareness and encourage mitigation. Several studies have utilized risk maps to determine risks associated with the distribution ofBorrelia burgdorferi, the causal agent of Lyme disease in North America and Europe, as this zoonotic disease can lead to severe symptoms. This literature review focused on the use of risk maps to model distributions ofB. burgdorferiand its vector, the blacklegged tick (Ixodes scapularis), in North America to compare variables used to predict these spatial models. Data were compiled from the existing literature to determine which ecological, environmental, and anthropic (i.e., human focused) variables past research has considered influential to the risk level for Lyme disease. The frequency of these variables was examined and analyzed via a non-metric multidimensional scaling analysis to compare different map elements that may categorize the risk models performed. Environmental variables were found to be the most frequently used in risk spatial models, particularly temperature. It was found that there was a significantly dissimilar distribution of variables used within map elements across studies: Map Type, Map Distributions, and Map Scale. Within these map elements, few anthropic variables were considered, particularly in studies that modeled future risk, despite the objective of these models directly or indirectly focusing on public health intervention. Without including human-related factors considering these variables within risk map models, it is difficult to determine how reliable these risk maps truly are. Future researchers may be persuaded to improve disease risk models by taking this into consideration.
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 | 0,010 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».