Modeling the lagged and nonlinear effects of weather conditions on abundance of Culex tarsalis mosquitoes in Saskatchewan, Western Canada using a bi-dimensional distributed lag nonlinear model
Notice bibliographique
Résumé
The establishment of West Nile Virus (WNV) competent vectors continues to pose a major public health challenge in Canada, especially in the south. While studies have examined the association between weather conditions and the abundance of mosquitoes over trap weeks, there is limited research on the effects of weather conditions on the abundance of Culex tarsalis (Cx. tarsalis) mosquitoes for a lapse of time beyond the trap week in Saskatchewan, Western Canada. To address this gap, we analyzed provincially available weekly mosquito trap and co-incident meteorological station data in Saskatchewan from 2010 to 2021 using a bi-dimensional distributed lag and nonlinear model. Data indicate that 171,141 Cx. tarsalis mosquitoes were trapped across much of Saskatchewan, from 2010 to 2021. Cx. tarsalis were found to be most abundant between weeks 26 and 35 (July and August) and peaked in weeks 30 and 31. Based on the WNV-positive pools, mosquito infection rates increased from week 23 to 36. While weekly average maximum air temperatures between 20 °Cand 30 °C were associated with more Cx. tarsalis across all lags (0 - 8 weeks), higher weekly average minimum air temperatures had a strong and immediate effect that diminished over longer lags. Higher weekly average rainfall amounts (> 20 mm) were associated with fewer Cx. tarsalis mosquitoes across all lags, while average weekly rainfall between 8 and 20 mm was strongly associated with a high abundance of Cx. tarsalis mosquitoes over longer lags (5 -7 weeks). Additionally, increasing wind speed was associated with lower abundance of Cx. tarsalis across all lags. Findings identified nonlinear lag associations for weekly average maximum air temperature and rainfall, but linear associations for weekly average minimum air temperature and wind speed. Identified lags and thresholds for temperature, rainfall, and wind speed at which mosquito abundance peaked could help to inform public health authorities in timing of vector control measures to prevent WNV transmission.
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 ».