The use of environmental data in descriptive and predictive models of vector-borne disease in North America
Notice bibliographique
Résumé
Vector-borne disease incidence and burden are on the rise. Weather events and climate patterns are known to influence vector populations and disease distribution and incidence. Changes in weather trends and climatic factors can shift seasonal vector activity and host behavior, thus altering pathogen distribution and introducing diseases to new geographic regions. With the upward trend in global temperature, changes in the incidence and distribution of disease vectors possibly linked to climate change have been documented. Forecasting and modeling efforts are valuable for incorporating climate into predicting changes in vector and vector-borne disease distribution. These predictions serve to optimize disease outbreak preparedness and response. The purpose of this scoping review was to describe the use of climate data in vector-borne disease prediction in North America between 2000 and 2022. The most investigated diseases were West Nile virus infection, Lyme disease, and dengue. The uneven geographical distribution of publications could suggest regional differences in the availability of surveillance data required for vector-borne disease predictions and forecasts across the United States, Canada, and Mexico. Studies incorporated environmental data from ground-based sources, satellite data, previously existing data, and field-collected data. While environmental data such as meteorological and topographic factors were well-represented, further research is warranted to ascertain if relationships with less common variables, such as oceanographic characteristics and drought, hold among various vector populations and throughout wider geographical areas. This review provides a catalogue of recently used climatic data that can inform future assessments of the value of such data in vector-borne disease models.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».