Potential utility of Indian Ocean sea surface temperature for predicting dengue outbreaks in South Central Asia
Notice bibliographique
Résumé
Dengue has emerged as a significant public health challenge and the world's most prevalent climate-sensitive mosquito-borne disease. No antiviral drugs are currently available to treat the disease, but vaccine development has led to promising results in reducing dengue’s burden. As climate change is predicted to lead to geographic expansion of vector populations and increases in dengue outbreaks, the development of early warning systems is critical to improving outbreak preparedness to respond to dengue epidemics. Here, we investigate the remote response of tropical Indian Ocean sea surface temperature (SST) variability to dengue case counts in South Central Asia (SCA). More specifically, we provide new evidence on the association between the main modes of oceanic SST variability and dengue case counts using singular value decomposition (SVD) analysis. A cross-correlation analysis is then performed to quantify the maximum correlations and lags between SST climate indices and dengue case counts in SCA. We used traveler data from the GeoSentinel global infectious disease surveillance network and dengue case counts from the OpenDengue project. SST data was retrieved from the latest fifth generation global reanalysis of the European Centre for Medium-Range Weather Forecasts (ECMWF), ERA5. The results were compared with gridded SST datasets from observational reports and satellite data (HadISST1 and ERSSTv5). The SVD analysis reveals significant influence of SST anomalies on dengue case counts. The first leading SVD mode, which accounts for 25% of the total square covariance, represents the Indian Ocean basin mode, which is characterized by basin-wide warming and is statistically significantly correlated with dengue case counts. We found that positive SST anomalies over the western tropical Indian Ocean were associated with a surge in dengue cases in SCA after a lag time of 1-2 months. Our study demonstrated potential for predicting regional dengue epidemics based on remote SSTs. Combining dengue surveillance data and climatological data may be a promising mechanism to anticipate the geographic locations of future dengue outbreaks.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».