Large-Scale Deployment of Lehmann’s Funnel Entry Traps to Control Malaria Mosquito Populations
Notice bibliographique
Résumé
Effective tools to prevent mosquito bites are essential for malaria control. The Lehmann Funnel Entry Trap (LFET), a window screen proven effective in reducing mosquito density, was tested for its large-scale impact on malaria vector control and community acceptance. A total of 1313 traps were deployed in Vallée du Kou 3 (VK3), with 12 traps randomly selected for detailed evaluation against untrapped houses in Vallée du Kou 5 (VK5). Traps were placed in windows with doors blocked by curtains. From July to October, mosquitoes were collected for nine days per month from VK3 traps and VK5 control houses. Morphological identification, density analysis, resistance gene screening, and female age structure determination were conducted. The trap's impact was assessed via pyrethrum spray catch (PSC) and for nine days per month, while trap fabric integrity and community perceptions were also evaluated. Traps reduced mosquito entry density by more than 90% in VK3 houses. VK3 had 33% higher house mosquito density pre-intervention and 47% lower house mosquito density post-intervention than VK5. Old female mosquito numbers rose in VK5 but not VK3. Pyrethroid resistance was high (kdr mutation frequency > 0.9) in both control and intervention sites. VK3 residents appreciated the traps for reducing bites and improving sleep. The LFET effectively controls malaria vectors and is well-suited for widespread use in malaria elimination efforts.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».