Identification of optimum scopes of environmental drivers for schistosome-transmitting <i>Oncomelania hupensis</i> using agent-based model in Dongting Lake Region, China
Notice bibliographique
Résumé
Abstract Oncomelania hupensis ( O. hupensis ), the sole intermediate host of Schistosoma japonicum , greatly influence the prevalence and distribution of schistosomiasis japonica. The distribution area of O. hupensis has remained extensive for numerous years. This study aimed to establish a valid agent-based model of snail density and further explore the environmental conditions suitable for snail breeding. A marshland with O. hupensis was selected as a study site in Dongting Lake Region, and snail surveys were monthly conducted from 2007 to 2016. Combined with the data from historical literature, an agent-based model of snail density was constructed in NetLogo 6.2.0 and validated with the collected survey data. BehaviorSpace was used to identify the optimal ranges of soil temperature, pH, soil water content, and vegetation coverage for snail growth, development and reproduction. An agent-based model of snail density was constructed and showed a strong agreement with the monthly average snail density from the field surveys. As soil temperature increased, the snail density initially rose before declining, reaching its peak at around 21°C. There were similar variation patterns for other environmental factors. The findings from the model suggested that the optimum ranges of soil temperature, pH, soil water content and vegetation coverage were 19°C to 23 °C, 6.4 to 7.6, 42% to 75%, and 70% to 93%, respectively. A valid agent-based model of snail density was constructed, providing more objective information about the optimum ranges of environmental factors for snail growth, development and reproduction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».