Regional patterns and climatic predictors of viruses in honey bee (Apis mellifera) colonies over time
Notice bibliographique
Résumé
Honey bee viruses are serious pathogens that can cause poor colony health and productivity. We analyzed a multi-year longitudinal dataset of abundances of nine honey bee viruses (deformed wing virus A, deformed wing virus B, black queen cell virus, sacbrood virus, Lake Sinai virus, Kashmir bee virus, acute bee paralysis virus, chronic bee paralysis virus, and Israeli acute paralysis virus) in colonies located across Canada to describe broad trends in virus intensity and occurrence among regions and years. We also tested climatic variables (temperature, wind speed, and precipitation) as predictors in an effort to understand possible drivers underlying seasonal patterns in viral prevalence. Temperature was a significant positive predictor of the total number of viruses per sample, which was highest in British Columbia (mean = 5.0). Lake Sinai virus (LSV) was the most prevalent overall (at 89%) and had the highest infection intensity, at an average of 3.9 × 10 8 copies per bee. Acute bee paralysis virus was the least prevalent virus (at 4.7%) and had the lowest infection intensity (1.9 × 10 5 copies per bee). Surprisingly, including Varroa abundance as a covariate did not significantly improve model fit for any virus. All viruses, except Kashmir bee virus, varied by region, and one or more climatic variables were significant predictors for six of the nine viruses. Although climatic effects were often inconsistent among individual viruses, we show that climatic variables can be better predictors of virus intensity and occurrence than Varroa mite abundance, at least when infestation rates are low.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».