Mean daily temperatures can predict the thermal limits of malaria transmission better than rate summation
Notice bibliographique
Résumé
Abstract Temperature shapes the distribution, seasonality, and magnitude of mosquito-borne disease outbreaks. Mechanistic models predicting transmission often use mosquito and pathogen thermal responses from constant temperature experiments. However, mosquitoes live in fluctuating environments. Rate summation (nonlinear averaging) is a common approach to infer performance in fluctuating environments, but its accuracy is rarely validated. We measured three mosquito traits that impact transmission (bite rate, survival, fecundity) in a malaria mosquito ( Anopheles stephensi ) across temperature gradients with three diurnal temperature ranges (0, 9 and 12°C). We compared thermal suitability models with temperature-trait relationships observed under constant temperatures, fluctuating temperatures, and those predicted by rate summation. We mapped results across An. stephenesi ’s native Asian and invasive African ranges. We found: 1) daily temperature fluctuation significantly altered trait thermal responses; 2) rate summation partially captured decreases in performance near thermal optima, but also incorrectly predicted increases near thermal limits; and 3) while thermal suitability characterized across constant temperatures did not perfectly capture suitability in fluctuating environments, it was more accurate for estimating and mapping thermal limits than predictions from rate summation. Our study provides insight into methods for predicting mosquito-borne disease risk and emphasizes the need to improve understanding of organismal performance under fluctuating conditions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».