MétaCan
Menu
Retour à la cohorte
Enregistrement W4411016406 · doi:10.1088/2515-7620/ade11f

Environmental factors contributing to southern house mosquito presence in Clark County, Nevada, using machine learning

2025· article· en· W4411016406 sur OpenAlex
Chibuike Chiedozie Ibebuchi, Itohan‐Osa Abu, Somtochukwu Stella Onwah

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnvironmental Research Communications · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract The southern house mosquito ( Culex quinquefasciatus ), a prevalent specie in the southern United States, is a primary vector for diseases including West Nile virus, St. Louis encephalitis, and lymphatic filariasis. In this study, we applied a multi-step machine learning approach to investigate environmental factors influencing the annual presence of Culex quinquefasciatus in Clark County, Nevada, using data from the Global Biodiversity Information Facility spanning 1980 to 2023. Our methodology integrated recursive feature elimination to select top predictors, gradient boosting classifier (GBC) gain-based importance for ranking, shapley additive explanations to capture nonlinear relationships and enhance interpretability, and Spearman correlations to assess monotonic relationships. Among the combination of over twenty temperature and precipitation indices analysed, our results indicate that increased frequency of winter conditions with minimum temperatures below 0 °C significantly reduces the annual presence of Culex quinquefasciatus (Spearman correlation = −0.42, p <0.05). Conversely, a decrease in the frequency of abnormally wet conditions was found to promote Culex quinquefasciatus proliferation. Among the climatic factors, fewer cold days ranked highest, contributing 16.57% to the GBC model’s climatic feature importance, which highlights the critical role of warmer winters in the proliferation of Culex quinquefasciatus . However, when accounted for, urbanization emerged as the dominant factor driving the increased presence of Culex quinquefasciatus , outpacing climatic factors with a 75.96% contribution in the GBC model. Overall, our findings highlight warmer temperatures, reduced precipitation, and increased urbanization as key drivers of Culex quinquefasciatus presence in Clark County. This insight is crucial for informing targeted vector control strategies and public health interventions in urban desert regions, such as Clark County, where environmental and anthropogenic factors converge to increase the risk of mosquito-borne disease 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,361
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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