Exploring Zika's dynamics: A scoping review journey from epidemic to equations through mathematical modelling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Zika virus (ZIKV) infection, along with the concurrent circulation of other arboviruses, presents a great public health challenge, reminding the utilization of mathematical modelling as a crucial tool for explaining its intricate dynamics and interactions with co-circulating pathogens. Through a scoping review, we aimed to discern current mathematical models investigating ZIKV dynamics, focusing on its interplay with other pathogens, and to identify underlying assumptions and deficiencies supporting attention, particularly regarding the epidemiological attributes characterizing Zika outbreaks. Following the PRISMA-Sc guidelines, a systematic search across PubMed, Web of Science, and MathSciNet provided 137 pertinent studies from an initial pool of 2446 papers, showing a diversity of modelling approaches, predominantly centered on vector-host compartmental models, with a notable concentration on the epidemiological landscapes of Colombia and Brazil during the 2015-2016 Zika epidemic. While modelling studies have been important in explaining Zika transmission dynamics and their intersections with diseases such as Dengue, Chikungunya, and COVID-19 so far, future Zika models should prioritize robust data integration and rigorous validation against diverse datasets to improve the accuracy and reliability of epidemic prediction. In addition, models could benefit from adaptable frameworks incorporating human behavior, environmental factors, and stochastic parameters, with an emphasis on open-access tools to foster transparency and research collaboration.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle